باحثو التعلم الآلي بنوا للتو تقنية جديدة للتشكيل الجماعي. يتفوق على XGBoost وCatBoost وLightGBM. لسنوات، كان تعزيز التدرج هو الخيار الأساسي للتعلم الجدولي. ليس بعد الآن. TabM هو مجموعة فعالة من حيث المعاملات تمنحك: - سرعة خطة التمويل الطويل - دقة GBDT إليك كيف تسير الأمور: في تعلم الآلة الجدولية، كان علينا دائما أن نختار بين السرعة والدقة. النماذج الطويلة السريعة سريعة لكنها أقل أداء. المجموعات العميقة دقيقة لكنها منتفخة. المحولات قوية لكنها غير عملية لمعظم الطاولات. يحل TabM هذا برؤية بسيطة: (راجع الصورة أدناه أثناء القراءة لاحقا) بدلا من تدريب 32 MLP منفصلة، يستخدم نموذجا مشتركا واحدا مع محول خفيف الوزن. هذا التعديل البسيط يمنحك فوائد التجميع دون تكلفة تدريب شبكات متعددة. النتائج: مقابل 15+ نموذج و46 مجموعة بيانات، احتلت TabM المركز 1.7 في المتوسط—متقدمة على XGBoost وCatBoost وLightGBM. النماذج المعقدة مثل FT Transformer وSAINT حصلت على مرتبة أقل بكثير رغم أنها أغلى في التدريب. لقد شاركت ورقة البحث والمعايير في التغريدة القادمة.

ورقة بحثية →