以下为上游提供的源文稿,可能存在识别错误。
乔木转写是基于源文稿的中文提炼,不是逐字翻译。请核对原文中的人名、数字与观点。
选一篇,慢慢读
从左侧挑一篇,正文会在这里排成书页。
Recent advances in machine learning have accelerated biomedical prediction, but evaluation on structured biomedical data remains fragmented, especially for datasets with high dimensionality, large sample size, missingness, and class imbalance. We introduce TabBioMed, a large-scale benchmark of 94 curated public biomedi
阅读原文 · Pau Mateo-Bernadó, Saivenkata Nagavyjayanthi Polapragada, David Bonet, Pol Arbiol Rakuljic, Laia Mogas Pladevall, Marçal Comajoan Cara, Jesus Gonzalez-Ferrer, Jordi Abante, Daniel Mas Montserrat, David Haussler, Alexander G. Ioannidis
向阳乔木 · opencode-go/deepseek-v4.1-flash
生物医学领域的表格数据一直是个尴尬地带。数据量不小、维度高、缺失严重、类别还不平衡,但学界对这类数据的评测长期是散的:每个实验室用自己的数据集、自己的预处理、自己的划分方式,结果谁也跟谁比不了。TabBioMed 想做的就是把这个地基铺平。 它整理了 94 个公开的生物医学表格数据集,覆盖电子健康记录、药物发现、基因组学、转录组学、蛋白质组学、代谢组学、单细...