研究人员推出了TabBioMed,这是一个旨在评估机器学习模型在多样化生物医学表格数据集上表现的综合基准。该基准包含94个精选数据集,涵盖电子健康记录、药物发现和各种组学领域,所有这些都统一在一个标准化的预处理和评估框架下。对包括经典方法、梯度提升树、神经网络架构和基础模型在内的23个模型的初步基准测试显示,虽然基础模型通常提供强大的预测性能,但像基于树的方法和经过调优的多层感知机(MLP)等传统模型仍然具有竞争力,尤其是在考虑计算限制时。 AI
影响 该基准将有助于对生物医学表格数据的AI模型进行更严格和可复现的评估,有可能加速药物发现和个性化医疗等领域的进展。
排序理由 该项目是一篇研究论文,介绍了一个用于生物医学领域机器学习的新基准数据集和评估框架。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- drug discovery
- electronic health records
- genomics
- Gradient Boosted Trees
- metabolomics
- multilayer perceptron
- neural tabular architectures
- Proteomics
- single-cell omics
- systems biology
- TabBioMed
- tabular foundation models
- transcriptomics
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →