TabPFN

빠른 시작

대화형 노트북 튜토리얼

[!TIP]

대화형 Colab 노트북으로 바로 시작하세요! 설치, 분류, 회귀 예제를 통해 TabPFN을 직접 체험할 수 있는 최고의 방법입니다.

설치

참고: Apple Silicon/MPS에서 최상의 성능을 위해, nightly "2.13.0.dev20260510" 이후 버전의 pytorch 설치를 고려하세요. 이를 통해 MLX를 사용하지 않고도 플래시 어텐션을 사용할 수 있습니다. (MLX는 GPU-CPU-GPU 왕복이 필요합니다)

기본 사용법

⚡ GPU 권장: 최적의 성능을 위해 GPU를 사용하세요 (약 8GB VRAM 이상인 구형 GPU도 충분히 잘 작동하며, 일부 대용량 데이터셋은 16GB 필요). CPU에서는 소규모 데이터셋(≲1000 샘플)만 처리 가능합니다. GPU가 없나요? TabPFN Client를 통한 무료 호스팅 추론을 이용하세요.

기본 TabPFN-3 모델을 사용하려면:

다른 모델 버전 사용 (예: 이전 기본 모델 TabPFN-2.6) :

전체 예제는 tabpfn_for_binary_classification.py, tabpfn_for_multiclass_classification.py, tabpfn_for_regression.py 파일을 확인하세요.

TabPFN 생태계

필요에 맞는 TabPFN 구현을 선택하세요:

• TabPFN Client 클라우드 기반 추론을 통해 TabPFN을 사용할 수 있는 간단한 API 클라이언트.

• TabPFN Extensions 커뮤니티 확장 및 통합 기능 포함:

  • interpretability: SHAP 기반 설명, 특성 중요도 및 선택 도구로 인사이트 제공.
  • unsupervised: 이상치 탐지 및 합성 테이블 데이터 도구

---

🌐 본 텍스트는 빠른 이해를 돕기 위한 요약 번역본입니다. 정확한 기술 정보 및 전체 코드는 GitHub 원문에서 확인하실 수 있습니다.