LAMDA-Tabular/TALENT

해결하는 문제

TALENT은 테이블 데이터에서 모델 성능을 최적화하는 과제를 해결하기 위해 통합된 벤치마크와 포괄적인 머신러닝 도구상자를 제공합니다. 전통적인 트리 기반 방법에서부터 최신의 딥러닝 및 패러다임 모델에 이르기까지 다양한 알고리즘을 방대한 데이터셋에서 비교하는 과정을 단순화합니다.

작동 방식

TALENT은 45개 이상의 다양한 테이블 학습 방법을 하나의 프레임워크에 통합합니다. 표준화된 전처리(정규화 및 인코딩), 하이퍼파라미터 튜닝, 평가를 위한 도구를 제공합니다. 다음과 같은 다양한 아키텍처를 지원합니다:

• 딥러닝: MLP, ResNets, 그리고 FT-Transformer 및 TabTransformer와 같은 토큰 기반 방법.
• 트리 모방 모델: NODE, TabNet, GRANDE.
• 테이블 기반 패러다임 모델: TabPFN(v1~v3), TabICL, Google의 TabFM. 이들은 컨텍스트 기반 학습을 활용하여 제로샷 또는 희소샷 예측을 수행합니다.
• 특화 알고리즘: 백프로파게이션 없이 특징을 학습하는 RFM 및 xRFM.

대상 사용자

테이블 데이터용 최신 머신러닝 모델을 평가, 벤치마크, 구현해야 하는 데이터 과학자(초보자부터 전문가까지)를 위한 것입니다.

주요 특징

• 대규모 메서드 라이브러리: 30개 이상의 딥러닝 아키텍처와 다양한 전통적 및 트리 기반 방법 포함.
• 광범위한 벤치마크: 다양한 작업 유형, 크기, 도메인을 커버하는 300개 이상의 데이터셋을 포함.
• 패러다임 모델 지원: TabPFN 및 TabFM과 같은 최신 테이블 기반 패러다임 모델에 통합된 지원.
• 사용자 친화적 파이프라인: 하이퍼파라미터 탐색 공간, 결정 임계값 튜닝, 캘리브레이션 지표(Brier, ECE)를 내장 지원.