Grables：超越独立行的表格学习
机器学习
2026-02-05 v1
摘要
表格学习仍由行决策的预测方法主导，这些方法独立评分每一行，符合独立同分布基准，但在事务性、时序和关系表格中表现不佳，因为标签取决于其他行。我们表明，行决策排除了由全局计数、重叠和关系模式驱动的自然目标。为了在不同架构之间精确地实现“利用结构”，我们引入grables：一种模块化接口，将表格如何被提升为图（构造器）与在该图上进行预测（节点预测器）分开，从而揭示表征力量的来源。在合成任务、交易数据和一个RelBench临床试验数据集上的实验确认了预测的分离：消息传递捕获了行间依赖，而行局部模型忽略了这些依赖，显式提取行间结构并输入强大的表格学习器的混合方法在一致上实现了提升。
引用
@article{arxiv.2602.03945,
title = {Grables: Tabular Learning Beyond Independent Rows},
author = {Tamara Cucumides and Floris Geerts},
journal= {arXiv preprint arXiv:2602.03945},
year = {2026}
}