Correcting Class Imbalance in Prior-Data Fitted Networks for Tabular Classification

En 3 lignesLes réseaux pré-entraînés sur données (PFN) excellent sur la classification tabulaire mais souffrent du déséquilibre de classes. Cette étude adapte des techniques classiques (thresholding, downsampling) aux PFN, montrant que le thresholding surperforme grâce à la calibration des PFN, tandis que le downsampling offre un bon compromis avec coût computationnel réduit.

Résumé généré par Claude — vérifié par l'humain