PriorLabs/tabpfn-extensions

해결하는 문제

TabPFN(표 형식 데이터를 위한 모델)의 기능을 확장하는 실험적 도구 세트를 제공합니다. 기본 라이브러리의 한계를 보완하여, 복잡한 분류 작업, 모델 해석 가능성, 고급 통계 분석을 지원합니다.

작동 방식

이 확장 기능들은 로컬 PyTorch TabPFN 패키지 또는 클라우드 기반 TabPFN 클라이언트 위에 계층적으로 작동합니다. 특정 확장 기능에 따라 TabPFN의 내부 메커니즘(예: 밀집 샘플 임베딩)을 활용하거나, 베이지안 최적화와 같은 다른 프로세스의 대체 모델로 사용합니다.

대상 사용자

기본적인 분류나 회귀를 넘어서는 기능이 필요한 표 형식 데이터를 다루는 데이터 과학자 및 ML 엔지니어. 특히 모델 해석 가능성, 데이터 증강, 생존 분석이 필요한 사용자에게 적합합니다.

주요 특징

• 해석 가능성: SHAP 값과 특징 선택을 사용하여 예측을 설명합니다.
• 다수 클래스 지원: 표준 TabPFN 체크포인트가 지원하는 클래스 수를 초과하는 분류 문제를 가능하게 합니다.
• 비지도 학습: 이상치 탐지 및 데이터 생성을 위한 도구를 제공합니다.
• 베이지안 최적화: 미분 가능한 기대 개선(Expected Improvement)을 사용하여 TabPFN을 대체 모델로 활용합니다.
• TabEBM: TabPFN 기반 에너지 기반 모델을 사용한 데이터 증강을 수행합니다.
• 통계 검정: pval_crt를 통해 특징의 중요성 검정을 위한 p-값을 제공합니다.