Конкурент CatBoost, XGBoost, LightGBM: Яндекс представил новую нейросетевую архитектуру TabM для работы с таблицами

Лаборатория исследований искусственного интеллекта Yandex Research представила новую нейросетевую архитектуру для работы с табличными данными — TabM. Она позволяет быстро обрабатывать большие массивы данных и строить высокоточные прогнозы, что востребовано в бизнесе, исследованиях и медицине. 

^[1]

Разработку использовали на Kaggle — платформе для международных соревнований по анализу данных и машинному обучению от Google. В частности, новую архитектуру применяли для предсказания выживаемости пациентов после трансплантации костного мозга ^[2]. 

TabM (от англ. Tabular DL model that makes Multiple predictions) — это реализация так называемого ансамбля моделей, когда каждая модель проводит свой анализ, после чего прогноз усредняется. В Яндексе рассказали:

По результатам тестирования на 46 наборах данных TabM превзошла другие решения не только по занимаемому в среднем месту (1,7 у TabM против 2,9 у ближайшего конкурента), но и по стабильности работы, что важно для практического применения. Благодаря способности объединять усилия нескольких подмоделей и эффективному использованию вычислительных ресурсов TabM успешно конкурирует с классическими моделями градиентного бустинга — CatBoost, XGBoost, LightGBM, — которые долгое время считались лучшим решением для табличных данных.

Архитектура уже доступна разработчикам и исследователям на GitHub ^[3].

Источник ^[4]