TabFM：面向表格数据的零样本基础模型
TabFM 是一个拥有 4 亿参数、面向表格数据机器学习的基础模型。它将监督式预测定义为上下文学习任务，无需针对具体任务进行调优，即可通过单次前向传播生成经过校准的零样本预测。该模型完全使用由结构因果模型生成的合成表格进行训练，并将学到的表征迁移到真实数据集。在 TabArena 的全部 51 个基准数据集上，TabFM 在默认配置的表格基础模型中排名第一，并超过了经过调优的 AutoML 流程。使用相同冻结权重的 TabFM+ 和 TabFM-Auto，则通过多视图特征扩展与集成、后验校准，以及由大语言模型指导的数据处理和特征工程进一步提升性能。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。