TabPFNはインコンテキスト学習を活用して、表形式データでRandom ForestやCatBoostより高い精度を実現する方法

表形式データ――行と列に格納された構造化情報――は、医療記録から金融取引まで、ほとんどの実世界の機械学習問題の中心にあります。長年にわたり、ランダムフォレスト、XGBoost、CatBoostのような決定木に基づくモデルは、これらのタスクにおけるデフォルトの選択肢となってきました。これらの強みは、混在するデータ型を扱えること、そして[…]

この記事 How TabPFN Leverages In-Context Learning to Achieve Superior Accuracy on Tabular Datasets Compared to Random Forest and CatBoost は、最初に MarkTechPost に掲載されました。