BriefGPT - AI 论文速递 · 2024-11-06T00:00:00Z 梯度提升树与大语言模型在表格数据中的少样本学习 💡 原文中文，约300字，阅读约需1分钟。 📝 内容提要 本研究探讨了少样本学习在表格数据中的有效性，提出了一种改进方法，使LightGBM性能提升290%。实验结果表明，当样本少于8时，TabLLM表现优越；而样本增多时，GBDT的计算时间更具竞争力。结合ExtraTrees可以提高模型的多样性和抗过拟合能力。 🏷️ 标签 ExtraTrees LightGBM TabLLM 大语言模型 少样本学习 表格数据 阅读原文 生成长图 分享链接 已复制链接
