★ 3
TabPFN与TabICL对比调优XGBoost:免训练模型14战全胜
一项基准测试比较了TabPFN、TabICL与调优后的XGBoost在表格数据任务上的表现,结果显示免训练的表格基础模型在14项对比中全部胜出。这挑战了梯度提升树在表格数据领域的长期主导地位,暗示预训练表格模型可能成为新的默认方案。
Hacker News35 天前
共 3 篇相关资讯,按重要度与时间排序,每 3 小时更新。
一项基准测试比较了TabPFN、TabICL与调优后的XGBoost在表格数据任务上的表现,结果显示免训练的表格基础模型在14项对比中全部胜出。这挑战了梯度提升树在表格数据领域的长期主导地位,暗示预训练表格模型可能成为新的默认方案。
研究基于906名2至14岁患儿数据,比较血常规与CRP在区分细菌与病毒感染中的预测价值。XGBoost模型取得81.7%的AUC,所有模型均优于仅用CRP的决策规则,提示抗生素处方决策应纳入更多因素。
论文提出一种混合脉冲神经网络(SNN)与XGBoost架构,用于电力网络入侵检测。SNN仅训练一次作为固定特征提取器,仅重训XGBoost分类器,从而在机器遗忘攻击下保持结构韧性。在两个真实电力数据集上分别达到99.9%和95.0%准确率,且在标签翻转攻击下性能损失极小。