跳到正文
热点事件持续更新

表格基础模型与调优GBDT电信流失预测重评

1 篇报道1 个报道来源9 小时前更新

先了解这件事

AI 综述

Ismail Hossain Polas 等研究者在五个公开电信流失数据集、10 次种子划分上,重新评测 TabPFN-2.5、TabPFN-3.5、TabPFN-3.5-Fast、TabICL v2 与 Optuna 调优 GBDT 的利润与校准表现。 作者称,在这些数据集与划分上,大幅增加调参预算、改用去重感知的划分后,主要结论不变;但这些划分只是对同一批数据集重采样,结果不代表独立运营商。 作者还称,阻碍 TabPFN-3.5 收益进入生产使用的是其所用权重的 License v1.0 许可,而非评分成本。

AI 根据报道生成 · 57 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月11日
  1. arXiv cs.AI
    TabPFN-3.5 与调优 GBDT 在电信流失预测上的对比:利润与校准感知评估

    研究在五个公开电信流失数据集、10 次种子划分上重新评估 TabPFN-2.5、TabPFN-3.5、TabPFN-3.5-Fast 和 TabICL v2 与 Optuna 调优 GBDT 的表现。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。