LakeMLB

新的基准测试LakeMLB面向数据湖中的多表机器学习

研究人员推出了LakeMLB，这是第一个专门为数据湖环境中的多表机器学习设计的基准测试。该基准测试解决了数据湖中机器学习性能缺乏标准化评估的问题，而数据湖对于管理大规模、异构数据至关重要。LakeMLB包含两种主要场景：Union和Join，使用了六个真实世界的数据集，并支持三种多表学习范式：预训练、数据增强和特征增强，并附带标准化的数据划分和评估协议。该项目旨在通过发布数据集和相关代码来促进严谨的研究。