Tabpfn V2 Reg

🚀 TabPFN v2：表格基礎模型

TabPFN 是一個基於 Transformer 的表格數據基礎模型，它利用基於先驗數據的學習方法，無需針對特定任務進行訓練，就能在小型表格迴歸任務中取得出色的性能。

🚀 快速開始

📚 有關詳細的使用示例和最佳實踐，請查看：

• 交互式 Colab 教程

✨ 主要特性

TabPFN 作為基於 Transformer 的表格數據基礎模型，藉助基於先驗數據的學習，在小型表格迴歸任務中無需特定任務訓練即可展現強大性能。

📦 安裝指南

pip install tabpfn

📚 詳細文檔

模型詳情

📚 引用

@article{hollmann2025tabpfn,
 title={Accurate predictions on small data with a tabular foundation model},
 author={Hollmann, Noah and M{\"u}ller, Samuel and Purucker, Lennart and
         Krishnakumar, Arjun and K{\"o}rfer, Max and Hoo, Shi Bin and
         Schirrmeister, Robin Tibor and Hutter, Frank},
 journal={Nature},
 year={2025},
 month={01},
 day={09},
 doi={10.1038/s41586-024-08328-6},
 publisher={Springer Nature},
 url={https://www.nature.com/articles/s41586-024-08328-6},
}

🔧 技術細節

技術要求

• Python ≥ 3.9
• PyTorch ≥ 2.1
• scikit-learn ≥ 1.0
• 硬件：16GB 以上內存，CPU（GPU 可選）

侷限性

• 不適用於非常大的數據集
• 不適用於非表格數據格式

📄 許可證

本模型使用 Prior Labs 許可證（Apache 2.0 並附加額外歸屬要求）。

資源

• 文檔：https://priorlabs.ai/docs
• 源碼：https://github.com/priorlabs/tabpfn
• 論文：https://www.nature.com/articles/s41586-024-08328-6

團隊

• Noah Hollmann
• Samuel Müller
• Lennart Purucker
• Arjun Krishnakumar
• Max Körfer
• Shi Bin Hoo
• Robin Tibor Schirrmeister
• Frank Hutter
• Eddie Bergman
• Léo Grinsztajn