#27: Kann ein Large Language Model (LLM) bei der Klassifikation tabellarischer Daten XGBoost schlagen?

Wir diskutieren den Einsatz von Large Language Models (LLMs) zur
Klassifikation tabellarischer Daten, ein bis dato eher
unerforschtes Anwendungsfeld. Wir vergleichen die Leistung eines
LLMs mit der von XGBoost in einem Projekt zur Vorhersage von
Churn. Obwohl XGBoost noch die Nase vorn hat, zeigt das LLM
bemerkenswerte Ergebnisse. Wir beleuchten die technische
Umsetzung, Herausforderungen sowie Potenziale, und geben einen
Ausblick auf die Entwicklung dieses spannenden Anwendungsfeldes.


 


Links: 


OpenAI Fine-Tune for Classification Example:
https://github.com/openai/openai-cookbook/blob/main/examples/Fine-tuned_classification.ipynb

TabLLM Paper: https://arxiv.org/abs/2210.10723

Dataset:
https://www.kaggle.com/datasets/datazng/telecom-company-churn-rate-call-center-data

Large Language Models in Production Conference:
https://home.mlops.community/public/events/llm-in-prod-part-ii-2023-06-20