Buchumschlag

How Usable is Automated Feature Engineering for Tabular Data?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Schäfer, Bastian, Purucker, Lennart, Janowski, Maciej, Hutter, Frank
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Large Language Models Engineer Too Many Simple Features For Tabular Data
von: Küken, Jaris, et al.
Veröffentlicht: (2024)

Causal Data Augmentation for Robust Fine-Tuning of Tabular Foundation Models
von: Bühler, Magnus, et al.
Veröffentlicht: (2026)

Early Stopping Tabular In-Context Learning
von: Küken, Jaris, et al.
Veröffentlicht: (2025)

Regularized Neural Ensemblers
von: Arango, Sebastian Pineda, et al.
Veröffentlicht: (2024)

Towards Benchmarking Foundation Models for Tabular Data With Text
von: Mráz, Martin, et al.
Veröffentlicht: (2025)

Ensembling Finetuned Language Models for Text Classification
von: Arango, Sebastian Pineda, et al.
Veröffentlicht: (2024)

Unreflected Use of Tabular Data Repositories Can Undermine Research Quality
von: Tschalzev, Andrej, et al.
Veröffentlicht: (2025)

HAPEns: Hardware-Aware Post-Hoc Ensembling for Tabular Data
von: Maier, Jannis, et al.
Veröffentlicht: (2026)

Agentic NL2SQL to Reduce Computational Costs
von: Jehle, Dominik, et al.
Veröffentlicht: (2025)

Don't Waste Your Time: Early Stopping Cross-Validation
von: Bergman, Edward, et al.
Veröffentlicht: (2024)

Real-TabPFN: Improving Tabular Foundation Models via Continued Pre-training With Real-World Data
von: Garg, Anurag, et al.
Veröffentlicht: (2025)

TabArena: A Living Benchmark for Machine Learning on Tabular Data
von: Erickson, Nick, et al.
Veröffentlicht: (2025)

nanoTabPFN: A Lightweight and Educational Reimplementation of TabPFN
von: Pfefferle, Alexander, et al.
Veröffentlicht: (2025)

Quickly Tuning Foundation Models for Image Segmentation
von: Das, Breenda, et al.
Veröffentlicht: (2025)

STRABLE: Benchmarking Tabular Machine Learning with Strings
von: Blayer, Gioia, et al.
Veröffentlicht: (2026)

Does TabPFN Understand Causal Structures?
von: Swelam, Omar, et al.
Veröffentlicht: (2025)

When is Warmstarting Effective for Scaling Language Models?
von: Mallik, Neeratyoy, et al.
Veröffentlicht: (2026)

MulTaBench: Benchmarking Multimodal Tabular Learning with Text and Image
von: Arazi, Alan, et al.
Veröffentlicht: (2026)

Transfer Learning for Finetuning Large Language Models
von: Strangmann, Tobias, et al.
Veröffentlicht: (2024)

Warmstarting for Scaling Language Models
von: Mallik, Neeratyoy, et al.
Veröffentlicht: (2024)

Hardware Aware Ensemble Selection for Balancing Predictive Accuracy and Cost
von: Maier, Jannis, et al.
Veröffentlicht: (2024)

MARVIS: Modality Adaptive Reasoning over VISualizations
von: Feuer, Benjamin, et al.
Veröffentlicht: (2025)

HW-GPT-Bench: Hardware-Aware Architecture Benchmark for Language Models
von: Sukthanker, Rhea Sanjay, et al.
Veröffentlicht: (2024)

LLM-FE: Automated Feature Engineering for Tabular Data with LLMs as Evolutionary Optimizers
von: Abhyankar, Nikhil, et al.
Veröffentlicht: (2025)

Human-LLM Collaborative Feature Engineering for Tabular Data
von: Li, Zhuoyan, et al.
Veröffentlicht: (2026)

Drift-Resilient TabPFN: In-Context Learning Temporal Distribution Shifts on Tabular Data
von: Helli, Kai, et al.
Veröffentlicht: (2024)

TabPrep: Closing the Feature Engineering Gap in Tabular Benchmarks
von: Tschalzev, Andrej, et al.
Veröffentlicht: (2026)

Automated Model Selection for Tabular Data
von: Amballa, Avinash, et al.
Veröffentlicht: (2024)

FairPFN: A Tabular Foundation Model for Causal Fairness
von: Robertson, Jake, et al.
Veröffentlicht: (2025)

Auto-FP: An Experimental Study of Automated Feature Preprocessing for Tabular Data
von: Qi, Danrui, et al.
Veröffentlicht: (2023)

How Well Does Your Tabular Generator Learn the Structure of Tabular Data?
von: Jiang, Xiangjian, et al.
Veröffentlicht: (2025)

TabPFN-2.5: Advancing the State of the Art in Tabular Foundation Models
von: Grinsztajn, Léo, et al.
Veröffentlicht: (2025)

Deep Feature Embedding for Tabular Data
von: Wu, Yuqian, et al.
Veröffentlicht: (2024)

GAMformer: Bridging Tabular Foundation Models and Interpretable Machine Learning
von: Mueller, Andreas, et al.
Veröffentlicht: (2024)

Learned Feature Importance Scores for Automated Feature Engineering
von: Dong, Yihe, et al.
Veröffentlicht: (2024)

FeatNavigator: Automatic Feature Augmentation on Tabular Data
von: Liang, Jiaming, et al.
Veröffentlicht: (2024)

Generalization Can Emerge in Tabular Foundation Models From a Single Table
von: Ma, Junwei, et al.
Veröffentlicht: (2025)

Large Language Models Can Automatically Engineer Features for Few-Shot Tabular Learning
von: Han, Sungwon, et al.
Veröffentlicht: (2024)

Learning Relational Tabular Data without Shared Features
von: Wu, Zhaomin, et al.
Veröffentlicht: (2025)

Cascaded Flow Matching for Heterogeneous Tabular Data with Mixed-Type Features
von: Mueller, Markus, et al.
Veröffentlicht: (2026)