Модель использует размеченные строки как контекст задачи. Для оценки нужны отдельные строки, которые не участвовали в подготовке и выборе настроек.
Один объект может дать много строк
В учебной таблице контроля качества один образец бывает измерен несколько раз. Если строки перемешать случайно, похожие измерения окажутся и в подготовке, и в проверке. TabPFN использует размеченные примеры при работе с новыми строками, поэтому такое разбиение слишком облегчает задачу. Отложите целые группы образцов или выберите более поздний период, если модель нужна для следующих партий.
Как сравнить классификаторы
Подготовьте столбцы с измерениями и отдельный целевой признак. Уберите записи, которые доступны только после ручного решения о браке. Сравните TabPFN с простым ориентиром на том же разбиении. Посмотрите, какие виды брака пропускает каждая модель и сколько годных деталей она отправляет на лишнюю проверку. Общая доля правильных ответов может мало измениться, хотя ошибка на редком классе станет заметно дороже.
Сохраните версию до запуска
Опишите, какие признаки подаются и как обрабатываются пропуски. При повторном прогоне зафиксируйте версию весов и настройки, поскольку разные варианты имеют свои ограничения и условия доступа. В репозитории лицензия кода указана отдельно от лицензий весов. Для коммерческой задачи проверьте условия именно выбранной версии. Короткий учебный тест полезен для решения о дальнейшем эксперименте, но его результат не заменяет проверку на новых реальных партиях. Запланируйте отдельный разбор по каждому значимому виду ошибки.
Для каких задач подходит
- Сравнить классификацию по небольшой таблице признаков
- Проверить ошибки на новых группах строк
Сильные стороны
- Поддерживает классификацию и регрессию
- Есть официальный интерфейс Python и описание локального режима
Ограничения
- Лицензии разных версий весов отличаются
- Качество зависит от состава и разбиения данных
Выбор и условия
- Бесплатный режим
- Да
- Пробный период
- Не подтверждено
- Без регистрации
- Не подтверждено
- Русский интерфейс
- Не подтверждено
- Локальная установка
- Да
- API
- Не подтверждено
«Не подтверждено» означает, что сведений недостаточно. Возможность может существовать; сверяйте условия разработчика.
- Исходные форматы
- Таблица, Данные
- Результат
- Данные
Условия
Код и веса лицензируются отдельно. У некоторых версий весов есть некоммерческие условия, а для промышленного использования Prior Labs описывает другие варианты. Лицензии разных версий весов отличаются.От задачи к первому результату
Практический пример
- Задача
- Сравнить классификацию по небольшой таблице признаков
- Что подготовить
- Учебная таблица с размеченными строками, группами источников и отдельным периодом проверки.
Задание или запрос
Обучи классификатор на раннем периоде. Сравни ошибки на отложенных строках с простым ориентиром и выпиши ошибки по классам.
Ожидаемый результат
Таблица проверочных прогнозов с целевыми значениями и разбивкой ошибок по группам.
Как проверить результат
- Уберите признаки, появившиеся после разметки.
- Проверьте, что одна группа строк не попала в обе выборки.
Редакционный учебный пример постановки задачи, а не результат личного тестирования сервиса. Проверьте доступность нужного режима, права на исходники и условия использования результата.
Проверить подробности
Официальные источники
Описание составлено по материалам разработчика. Возможности, цены и доступность могут меняться; перед использованием сверяйтесь с первоисточником.