如何用TabFM完成零样本表格分类？面向新手的10行代码分步实战指南

如何用TabFM完成零样本表格分类？面向新手的10行代码分步实战指南

【免费下载链接】tabfmTabFM (Tabular Foundation Model) is a pretrained tabular foundation model developed by Google Research for tabular data regression and classification.项目地址: https://gitcode.com/gh_mirrors/ta/tabfm

TabFM 零样本表格分类是谷歌研究院开源的表格基础模型（Tabular Foundation Model），它不需要在你的数据上训练，只需"读"一遍训练集，就能直接对新样本做分类预测。本文面向新手，用 10 行代码带你完成第一次零样本表格分类 🚀

什么是 TabFM：不用训练的表格分类器

传统流程：准备数据 → 选模型 → 训练调参 → 评估，动辄几小时。

TabFM 的流程：加载预训练权重 → fit(训练集) → predict(测试集)，完事。

它的原理是上下文学习（In-Context Learning）：把训练数据当作"上下文"喂给模型，模型据此直接预测新样本，全程不更新任何参数。因此：

• 支持数值列 + 类别列混合的表格，无需手工特征工程
• 适合小数据场景——传统模型数据太少学不动，TabFM 靠预训练知识兜底
• 兼容 scikit-learn 接口，fit / predict / predict_proba用法与熟悉的ClassifierMixin一致

一键安装步骤

git clone https://gitcode.com/gh_mirrors/ta/tabfm cd tabfm pip install -e .[jax] # JAX 后端（CPU） # pip install -e .[pytorch] # 或 PyTorch 后端

环境要求 Python ≥ 3.11。首次load()会自动从 Hugging Face 下载预训练权重，耐心等待即可。

10行代码完成零样本表格分类

以下是核心代码，对应完整可运行脚本见 classification_example.py：

import numpy as np, pandas as pd from tabfm import TabFMClassifier, tabfm_v1_0_0_jax # 1. 加载预训练分类模型 model = tabfm_v1_0_0.load(model_type="classification") clf = TabFMClassifier(model=model) # 2. 准备混合类型表格（数值列 + 类别列） X_train = pd.DataFrame({"age": [25.0, 45.0, 35.0, 50.0], "job": ["eng", "mgr", "eng", "mgr"], "income": [8e4, 12e4, 9e4, 13e4]}) y_train = np.array(["low", "high", "low", "high"]) X_test = pd.DataFrame({"age": [30.0, 48.0], "job": ["eng", "mgr"], "income": [85e3, 125e3]}) # 3. fit 只是准备编码器，predict 立即出结果 clf.fit(X_train, y_train) print(clf.predict(X_test)) print(clf.predict_proba(X_test)) # 各类概率

逐行解读

PyTorch 用户只需把加载行换成from tabfm import tabfm_v1_0_0_pytorch as tabfm_v1_0_0，其余完全相同（封装类定义在 classifier_and_regressor.py）。

默认模式 vs 集成模式：精度更高一档

TabFMClassifier有两种用法，在 tabarena_classification_example.py 中可看到两者在同一任务上的对比：

# 默认模式：简单平均 logit，速度最快 clf = TabFMClassifier(model=model) # 集成模式：特征交叉 + SVD 特征 + NNLS 加权 + 概率校准 clf = TabFMClassifier.ensemble(model=model)

• 默认模式：n_estimators=32个随机数据视图做 logit 平均，开箱即用
• 集成模式：额外启用特征交叉、SVD 特征、非负最小二乘权重和概率校准，官方 TabArena 评测结果见 results/ 目录下的 parquet 文件

新手建议先用默认模式跑通，追求精度再切换集成模式。

常见限制：表格有多大能用？

TabFM 的上下文窗口是有界的（默认500 个特征、100 行上下文），超大表格会被采样处理而非整体输入，关键参数：

• max_num_features：每个集成成员最多使用的特征数（默认 500）
• max_num_rows：每个集成成员最多采样的行数
• n_estimators：集成成员数（默认 32）
• batch_size：控制推理内存

详细 Q&A 见 README.md 的 FAQ 章节；更多参数说明见 classifier_and_regressor.py。

⚠️ 一个重要提醒：许可证

源码为 Apache-2.0，但默认预训练权重采用tabfm-non-commercial-v1.0许可，仅限非商业、非生产用途。商业落地请自行评估合规性。

动手清单 ✅

1. 按上文安装 TabFM
2. 运行python examples/classification_example.py验证环境
3. 换成自己的 DataFrame，体验fit + predict两步出结果
4. 精度不够时切换到TabFMClassifier.ensemble

更多细节可阅读 CHANGELOG.md 了解 v1.0.1 的修复内容。祝你玩转零样本表格分类！

【免费下载链接】tabfmTabFM (Tabular Foundation Model) is a pretrained tabular foundation model developed by Google Research for tabular data regression and classification.项目地址: https://gitcode.com/gh_mirrors/ta/tabfm