Компьютерные науки > Машинное обучение [представлено 9 октября 2026 года] Название: TabMF: Учеба набора данных с моделями Tabular Foundation View PDF HTML (экспериментальное) Резюме: Представление контролируемых наборов данных поддерживает более высокие требования к машинному обучению, такие как поиск данных и мониторинг передачи. Вместе с тем существующие подходы, как правило, основываются либо на ручных метахарактерах, либо на наборах данных, подготовленных специально для обучения представленности. Мы введем TabMF — систему, которая переосмысляет заранее подготовленные табличные модели фундамента (TFM) как кодеры контролируемых наборов данных. TabMF оснащает прогнозируемый ТФМ архитектурным набором данных и адаптирует модель к концу с использованием контрастного послетренировочного обучения стохастическим взглядам на синтетические подконтрольные наборы данных. Мы включаем TabICLv2 и TabPFN-2.5 и оцениваем полученные результаты по шести задачам на невидимых реальных наборах данных. Простое замороженное считывание ТФМ дает конкурентоспособные представления, что указывает на то, что предсказательная предварительная подготовка уже вызывает существенную структуру набора данных. Два кодера TabMF получают наибольшую агрегированную эффективность в результате оценки полученных знаний и классической совокупности данных, причем особенно высокие результаты достигаются при поиске наборов данных, компактном создании контрольных показателей и оценке степени жесткости изменения…
TabMF: Набор данных для обучения представленности с моделями табулярного фонда
arXiv: 261 010.13818v1 Тип уведомления: новое резюме: представление подконтрольных наборов данных обеспечивает выполнение задач, связанных с более высоким уровнем машинного обучения, таких как поиск наборов данных и контроль за переключением передач. Вместе с тем существующие подходы, как правило, основываются либо на ручных метахарактерах, либо на наборах данных, подготовленных специально для обучения представленности. Мы введем TabMF — систему, которая переосмысляет заранее подготовленные табличные модели фундамента (TFM) как кодеры контролируемых наборов данных. TabMF оснащает прогнозируемый ТФМ архитектурным набором данных и адаптирует модель к концу с использованием контрастного послетренировочного обучения стохастическим взглядам на синтетические подконтрольные наборы данных. Мы включаем TabICLv2 и TabPFN-2.5 и оцениваем полученные результаты по шести задачам на невидимых реальных наборах данных. Простое замороженное считывание ТФМ дает конкурентоспособные представления, что указывает на то, что предсказательная предварительная подготовка уже вызывает существенную структуру набора данных. Два кодера TabMF получают силу