表形式データに対するコルモゴロフ・アーノルドネットワークのベンチマーキング研究

コルモゴロフ・アーノルドネットワーク（KAN）は、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。しかし、KANは主に複雑な関数の近似や合成データの処理に対してテストされてきた一方で、実世界の表形式データセットでのテストが現在不足しています。本論文では、表形式データセットにおけるKANと多層パーセプトロン（MLP）を比較したベンチマーキング研究を示します。この研究は、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から得た結果から、KANは優れたまたは同等の精度とF1スコアを示し、特に多くのインスタンスを持つ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、このKANのパフォーマンスの向上は、同等のサイズのMLPと比較して高い計算コストを伴うことも強調します.