跳到正文
arXiv · ML· Ismail Hossain Polas·· 9 天前AI 评分31

Tabular Foundation Models vs Tuned Gradient Boosting for Telecom Churn: A Profit- and Calibration-Aware Evaluation

Tabular Foundation Models vs Tuned Gradient Boosting for Telecom Churn: A Profit- and Calibration-Aware Evaluation

AI 导读

TabPFN-3.5在Cell2Cell和Iranian电信流失数据集上,显著优于最佳调优GBDT的最大期望利润(EMP),增幅分别为1.9%和7.6%。 在Orange数据集上,TabPFN-3.5在所有10个分割中均领先(14.3%),但经Holm校正后差异不显著(p=0.155);TabICL v2仅在Iranian上胜出,且在Orange上流失率预测偏低2.1个百分点。

来源:arXiv · ML · arxiv.org