TabClustPFN

新型TabClustPFN模型推动表格数据聚类发展

研究人员推出了一种新颖的、用于表格数据聚类的先验数据拟合网络TabClustPFN。该新方法通过单次运行联合推断聚类分配和基数，解决了表格聚类中的关键挑战，如缺乏监督、未知聚类基数和标签切换。TabClustPFN利用混合预训练先验来捕获异构真实表格几何结构，并采用不变量于排列的SoftARI训练目标，无需传统的标签排序约定。该模型在44个真实表格数据集的基准测试中表现出最先进的性能，优于现有的经典、深度和摊销聚类方法。