Childhood anemia

表格基础模型在儿童贫血预测中优于经典机器学习

一篇新研究论文评估了基于 Transformer 的表格基础模型 TabPFN v2.6 与传统机器学习方法在预测儿童贫血方面的性能。该研究利用了来自 16 个国家的数据，发现在低数据场景下 TabPFN 表现出更优的区分度和校准度，优于 Logistic Regression、XGBoost 和 LightGBM 等模型。虽然在完整数据设置下的性能差异很小，但 TabPFN 在资源匮乏环境中的优势凸显了其在全球健康预测中的潜力。