tabpfn 원리와 장단점

원리 : 수많은 가상데이터의 분포를 미리 학습해놓는다. (트랜스포머가 백본)

그래서 새로운 데이터를 바로 inference 할 수 있다.

새로운 데이터 중 prior 분포 와 유사한 걸 찾아서, 이를 바탕으로 예측(posterior) 하기 때문에 베이지안 적인게 있다.

 

장점 : 만개 이하의 소규모 데이터셋 에는 빠른 추론이 가능하다

 

단점: multi-label지원이 안되고, 대규모 데이터셋에서 적합할지 알 수 없다. 레페런스가 많이 없다.