人大等团队开源 TabClustPFN，单次前向推断完成表格聚类

拿到一张没有标签的表格，能不能直接找出其中的群体，还知道模型对 “分几组” 有多大把握？TabClustPFN 尝试用预训练后的单次前向推断，缩短从数据到分组结果的距离。 给你一张客户表，你能看出里面有几种不同的消费人群吗？有人买得频繁，但每次花得不多；有人平时不来，一来就是大单。表格记录了这些行为，却没有告诉你：哪些人应该归为一组，一共又该分成几组。 让算法从没有标签的数据中寻找群体，就是 “聚类”。客户分析、商品分组、科研数据探索，都可能从这一步开始。 但实际做起来，往往没那么直接。先选算法，再定超参数；运行一遍，看着不合适，又换个设置重新来。你原本只想了解数据，却先要解决 “该怎么聚类”。 中国人民大学、罗格斯大学、新加坡国立大学和 MBZUAI 的研究团队提出了 TabClustPFN，希望让这件事变得更简单：让模型提前从大量任务中学会分组，面对新表格时，通过一次前向推断，预测样本归属与分组数量。 它不仅能自动估计 “分几类”，还会给出不同簇数的概率，让使用者看到模型对这个判断有多大把握。 这项研究已被 NeurIPS 2026 接收，由 Tianqi Zhao、Guanyang Wang、Yan Shuo Tan 和 Qiong Zhang 合作完成，其中中国人民大学的 Tianqi Zhao 为第一作者，MBZUAI 的 Qiong Zhang 为通讯作者。研究团队已提供代码与预训练权重入口。 论文标题：TabClustPFN: A Prior-data Fitted Network for Tabular Data Clustering arXiv 地址：https://arxiv.org/abs/2601.21656 代码与预训练权重入口：https://github.com/Tianqi-Zhao/TabClustPFN Qiong Zhang 个人主页：https://sarahqiong.github.io/ 每换一张表 都要重新 “算到收敛” 吗？ 以常见的 K-means 为例，算法会先给出一组聚类中心，再交替做两件事：把样本分配给中心，依据分配结果更新中心。这个过程反复进行，直到满足停止条件。 如果事先不知道应该分几组，往往还得尝试不同的分组数量，再分别运行和比较。这样一来，不仅算法要在内部反复迭代，使用者也要在外部不断调参、尝试。 TabClustPFN 将一部分学习工作提前到了预训练阶段。模型先接触大量不同的合成表格，学习群体可能呈现怎样的形状、彼此怎样重叠，以及哪些分组方式更合理。 等到真正拿到一张新表格时，模型参数保持固定，数据经过网络的一次前向 (forward) 计算，就能得到预测，无需针对当前表格重新训练模型或进行迭代优化。 对使用者来说，操作也更简单了：输入新表格后，可以利用模型已经学到的分组经验直接获得结果。 直接推断 能兼顾速度与分组质量吗？ 把计算放进预训练模型，只是第一步。更实际的问题是：得到结果够不够快，分出来的组有没有质量？ 论文将聚类耗时与划分质量放在同一张图中比较。在测试设置下，TabClustPFN 的耗时与简单传统方法相当，比其他被比较的 PFN 方案更高效，同时保持了较强的聚类表现。 图 1 聚类耗时与质量对比。横轴越靠左，运行时间越短；纵轴越靠下，ARI 排名中位数越好。红色标记为 TabClustPFN。来源：论文原图 1。 分析新表格时，使用者可以先快速获得一份有竞争力的划分，把更多注意力放到 “这些群体有什么特征、是否值得继续研究” 上。 这也让表格聚类更接近 “开箱即用”。减少每份新数据上的训练、选参与反复求解，让第一次探索更容易开始。 分成三组还是四组？ 把犹豫也告诉你 速度解决了等待的问题，但聚类还有一个更根本的难点：面对陌生数据，人们可能连 “分几组” 都不知道。 已有聚类方法可以自动得到簇数，这项能力本身并不新鲜。TabClustPFN 进一步将簇数判断融入预训练模型，并输出一整组候选簇数的概率。 假设模型推荐分成三组。它可能明显倾向这个答案，也可能认为三组、四组都说得通。如果只看到 “3” 这个数字，使用者无法区分这两种情况。 概率分布让这个差别变得可见：模型是较为明确，还是仍在几个答案之间犹豫？ 在当前模型支持的 2 到 10 类范围内，TabClustPFN 为每个候选簇数给出概率。论文展示的例子中，较容易区分的数据对应更集中的概率分布；结构更模糊时，预测概率也更分散。 图 2 三个示例的簇数预测分布。左图明显倾向一个数量，后面的示例则在多个候选数量上分配概率。横轴为簇数，纵轴为预测概率。来源：论文原图 4 的概率分布子图。 对数据分析而言，这意味着可以进一步检查不同划分：多分出的一组，是否有独特特征？合并之后，会不会掩盖有意义的差异？模

来源只提供摘要，完整内容请打开原文。