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。