北京
分享至
零样本模型能击败XGBoost和LightGBM吗？一份可复现的基准测试，把这个问题摆到了台面上。
测试覆盖三个UCI数据集。结果显示，冻结的表格基础模型TabPFN和Mitra，在每一项主要指标上都略胜调优后的XGBoost和LightGBM。
注意"略胜"这个词。不是碾压，是微弱领先。而且结论有两个前提：特征工程依然重要；单次划分的结果，不足以证明存在一个通吃的赢家。
换句话说，零样本不等于零准备。模型冻结了，数据侧的功夫没冻结。特征怎么构造，仍然影响最终表现。
至于"谁更强"这个问题，一次单划分的基准给不出定论。想拿这份结果去替换生产环境里的梯度提升树，先在自己的数据上复现一遍再说。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
