TabBioMed: Biyomedikal Tablo Öğrenimi İçin Büyük Ölçekli Benchmark
TabBioMed, yüksek boyutlu ve dengesiz biyomedikal tablo verileri için 94 halka açık veri setini birleştiren büyük ölçekli bir benchmark'tır. 23 modeli karşılaştırarak, temel modellerin güçlü olmasına rağmen hesaplama kısıtlarında ağaç tabanlı modellerin ve MLP'lerin hâlâ rekabetçi olduğunu gösterir.
Bu yazıda
Ne değişti?
TabBioMed, 94 biyomedikal tablo veri setini standart bir çerçevede birleştirerek sınıflandırma ve regresyon görevlerinde yeniden üretilebilir karşılaştırma imkânı sunar.
Temel modeller en güçlü aile performansını gösterse de, hesaplama kısıtları altında ağaç tabanlı modeller ve ayarlanmış MLP'ler hâlâ çok rekabetçi kalır.
Neden önemli?
Biyomedikal makine öğrenmesinde değerlendirme, yüksek boyutluluk ve sınıf dengesizliği nedeniyle parçalıdır. TabBioMed, standartlaştırılmış bir çerçeve sunarak model karşılaştırmalarını yeniden üretilebilir hale getirir ve bağlama bağımlı model seçimini vurgular.
Geliştirici için ne anlama geliyor?
Geliştiriciler, biyomedikal projelerinde model seçimini yalnızca doğrulukla değil, veri rejimi ve hesaplama bütçesine göre yapmalıdır. TabBioMed'in standartlaştırılmış çerçevesi, farklı görev tiplerinde model performansını karşılaştırmayı ve yeniden üretilebilir sonuçlar elde etmeyi kolaylaştırır.
Henüz neyi bilmiyoruz?
- Benchmarks, mevcut 94 veri seti ve 23 modelle sınırlıdır; yeni veri rejimleri veya modeller için sonuçlar genellenemeyebilir.
- Performans, veri rejimi ve hesaplama bütçesine göre değiştiğinden, tek bir 'en iyi' model önerisi yapılamaz.
Haberin kaynakları
Birincil kaynakTabBioMed: A Large-Scale Benchmark for Biomedical Tabular Learningarxiv.org Araştırma keşfiHugging Face Daily PapersÖzgün sayfayı açYayın tarihleri
- blue'og yayını
- Kaynak yayını
Bu yazı, bağlantılı kaynaklar okunarak yapay zekâ ile hazırlandı. Kaynaktaki bulguların yanı sıra kullanım alanları ve açıklanmayan noktalar da yer alır. Kapak, konuyu anlatan bir illüstrasyondur. En güncel ayrıntılar için kaynakları inceleyebilirsiniz.

![[Uncaptioned image]](/_next/image?url=https%3A%2F%2Farxiv.org%2Fhtml%2F2611.16642v1%2Fcover.png&w=3840&q=75)