Newest papers

On Data Scaling in Tabular ML: More Data, Better Generalization?

Ivan Rubachev, Nikita Lazarev, Artem Babenko · 2026 · arXiv

DOI: 10.48550/arXiv.2610.26794 · open-access PDF

Hindi

टेबलर मशीन लर्निंग में हाल के कार्यों ने विविध और यथार्थवादी मूल्यांकन सेटिंग्स के महत्व पर जोर दिया है. हालांकि, बड़े पैमाने पर (1M+) डेटा का निशान अभी भी कम-अधिक अनुसंधान किया गया है. प्रशिक्षण डेटा स्केलिंग का अध्ययन करने के लिए, हम आठ वास्तविक विश्व टेबलर डेटा सेटों को लगभग दस मिलियन प्रशिक्षण उदाहरणों के साथ इकट्ठा करते हैं, कार्यों के प्राकृतिक वितरण स्विच को बनाए रखते हुए और एक नियंत्रण के रूप में यादृच्छिक विभाजित मूल्यांकन का उपयोग करते हुए। हम पाते हैं कि GBDTs और MLP-आधारित मॉडल व्यापक रूप से समान स्केलिंग रुझान दिखाते हैं, जो दोनों अतिरिक्त प्रशि

Machine translation (Meta M2M100); the English original follows.

Abstract

Recent work in tabular machine learning has emphasized the importance of diverse and realistic evaluation settings. The niche of large-scale (1M+) data, however, remains under-explored. To study training-data scaling, we assemble eight real-world tabular datasets with up to around ten million training examples, retaining the natural distribution shifts of the tasks and using random-split evaluation as a control. We find that GBDTs and MLP-based models show broadly similar scaling trends, with gains from both additional training data and algorithmic improvements. Tabular foundation models show

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange