A Benchmarking Study of Kolmogorov-Arnold Networks on Tabular Data

要約

Kolmogorov-Arnold Networks (KAN) はごく最近機械学習の世界に導入され、すぐにコミュニティ全体の注目を集めました。
ただし、KAN は主に複雑な関数の近似や合成データの処理についてテストされていますが、現実世界の表形式データセットに関するテストは現在不足しています。
このペーパーでは、表形式のデータセットで KAN と多層パーセプトロン (MLP) を比較したベンチマーク研究を紹介します。
この研究では、タスクのパフォーマンスとトレーニング時間を評価します。
さまざまなデータセットで得られた結果から、KAN は優れたまたは同等の精度と F1 スコアを示し、特に多数のインスタンスを含むデータセットで優れており、複雑なデータの堅牢な処理を示唆しています。
また、KAN のこのパフォーマンス向上には、同等のサイズの MLP と比較した場合、より高い計算コストが伴うことも強調します。

要約(オリジナル)

Kolmogorov-Arnold Networks (KANs) have very recently been introduced into the world of machine learning, quickly capturing the attention of the entire community. However, KANs have mostly been tested for approximating complex functions or processing synthetic data, while a test on real-world tabular datasets is currently lacking. In this paper, we present a benchmarking study comparing KANs and Multi-Layer Perceptrons (MLPs) on tabular datasets. The study evaluates task performance and training times. From the results obtained on the various datasets, KANs demonstrate superior or comparable accuracy and F1 scores, excelling particularly in datasets with numerous instances, suggesting robust handling of complex data. We also highlight that this performance improvement of KANs comes with a higher computational cost when compared to MLPs of comparable sizes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google