Kumo Tabular快速上手教程:3步完成表格数据的少样本分类推理

原创2026-10-16 22:40:101,428 阅读
文章标签:人工智能基础模型机器学习

Kumo Tabular快速上手教程:3步完成表格数据的少样本分类推理

Kumo Tabular 是 NVIDIA 推出的预训练表格数据基础模型(tabular foundation model),只需少量带标签样本作为上下文,就能对新的表格数据完成少样本分类推理。本教程带你走完 3 步:安装环境 → 加载表格数据 → 完成推理。

Kumo Tabular 是什么?

Kumo Tabular 是面向结构化表格数据的预训练模型,原生支持 分类(classification) 与 回归(regression) 两类任务。它的核心卖点是少样本推理:无需训练,直接把少量已标注样本作为 context 输入,即可输出新数据的类别概率。

关键特性:

  • 📊 面向 Excel、CSV、数据库表等表格结构化数据
  • 🚀 少样本:几十个到几百个 context 样本即可开始预测
  • 📦 提供 small / medium / large 三种模型尺寸,适配不同硬件
  • ⚖️ 权重采用 OpenMDW 1.1 开源协议发布,详见 LICENSE

仓库结构与模型尺寸怎么选

仓库内按尺寸存放了分类与回归两套权重文件:

模型尺寸 分类权重 回归权重
small small/classifier.pt small/regressor.pt
medium medium/classifier.pt medium/regressor.pt
large large/classifier.pt large/regressor.pt

选择建议:context 样本少或显存有限时,从 small 起步;追求更高精度且硬件允许时,选 large。官方使用示例见 README.md。

第一步:安装推理环境

推理能力由 structured-data-models 包提供,一条命令安装即可:

pip install structured-data-models

💡 本例在 GPU(CUDA)上运行;若在 CPU 上跑,将代码中的 device="cuda" 改为 "cpu" 即可。

第二步:加载表格数据并构建模型

以 sklearn 内置的乳腺癌分类数据集为例,目标列 target 声明为类别字段:

from sklearn.datasets import load_breast_cancer
import sdm

df = load_breast_cancer(as_frame=True).frame

table = sdm.TableTensor.from_pandas(
    df=df,
    stypes=sdm.infer_stypes(df, overrides={"target": "categorical"}),
    device="cuda",
)
model = sdm.models.KumoTabular(task="classification", device="cuda")

两行关键代码说明:

  • sdm.TableTensor.from_pandas:把 pandas DataFrame 转成模型可识别的表格张量;stypes 描述每列字段类型,overrides 参数强制把 target 当类别列处理。
  • sdm.models.KumoTabular:加载 Kumo Tabular 模型,task="classification" 表示分类任务(回归任务填 "regression")。

第三步:执行少样本分类推理

核心一步:取前 300 行作为带标签的 context,剩余行作为待预测的 query:

probs = model(
    x_context=table[:300].drop_columns("target"),
    y_context=table[:300, "target"],
    x_query=table[300:].drop_columns("target"),
    num_estimators=8,
)

print(probs)
参数 作用
x_context 带标签样本的特征(已去掉目标列)
y_context context 样本对应的标签
x_query 需要预测的新数据特征
num_estimators 并行估计器数量,越大结果越稳定

输出的 probs 是每行 query 的类别概率分布,对每行取 argmax 即得到预测类别。

常见问题 FAQ

Q1:Kumo Tabular 能做回归吗? 可以。将 task 改为 "regression",模型会自动加载对应的 regressor 权重。

Q2:context 样本给多少合适? 少样本是它的主场,官方示例用了 300 条。实际可从几十条起步,逐步增加样本通常能提升预测稳定性。

Q3:想本地保存模型权重怎么办? 克隆仓库即可获得三种尺寸的权重文件:

git clone https://gitcode.com/hf_mirrors/nvidia/Kumo-Tabular

Q4:商用有授权限制吗? 权重采用 OpenMDW 1.1 协议发布,可免费使用,完整协议见 LICENSE。

📌 小结:安装环境 → 构建 TableTensor → 用 context / query 完成少样本推理,3 步即可让 Kumo Tabular 为你的表格数据输出类别概率。

登录后查看全文
Kumo-Tabular