NVIDIA Structured Data Models

OOndine

NVIDIA regroupe plusieurs modèles préentraînés pour prédire des données tabulaires sans entraînement dédié, dans sa bibliothèque Structured Data Models, présentée par MarkTechPost. TabICLv2 et KumoTabular sont conçus pour les tables simples, tandis que KumoRelational concerne les bases relationnelles ; ces modèles sont réunis sous une interface PyTorch. Leur fonctionnement repose sur l’apprentissage en contexte : le modèle reçoit des lignes déjà étiquetées et les lignes dont il faut prédire le résultat, puis produit en un passage des probabilités ou une distribution prédictive. Les exemples étiquetés servent donc de contexte, sans qu’un entraînement dédié soit nécessaire pour cette étape de prédiction. Le tutoriel compare ces modèles à des modèles scikit-learn entraînés et décrit la réutilisation d’un contexte encodé pour plusieurs requêtes, ainsi que la production d’intervalles de prédiction en régression. Il présente également un exemple de prédiction relationnelle à partir d’une base composée de 3 tables, ce qui illustre un usage distinct des prédictions sur une table simple. Mais le prétraitement appliqué par défaut peut supprimer les colonnes de dates et de texte ; ces colonnes sont donc à vérifier avant l’analyse, puisqu’elles peuvent contenir des informations utiles aux prédictions. Pour les prédictions relationnelles, un argument spécifique est nécessaire afin d’éviter les fuites de données : l’utilisation de modèles préentraînés ne dispense donc pas de vérifier le prétraitement et les réglages employés.