Uczenie maszynowe na danych tabelarycznych
2 2 powiązane systemy
Uczenie maszynowe na danych tabelarycznych obejmuje zadania klasyfikacji i regresji na ustrukturyzowanych tabelach (wiersze = przykłady, kolumny = cechy). Historycznie zdominowane przez algorytmy drzewiaste (XGBoost, random forests, AdaBoost), wymagało żmudnego strojenia hiperparametrów i inżynierii cech. Modele fundacyjne dla tabel (jak TabFM) przenoszą tu paradygmat zero-shot / in-context learning znany z LLM.
