異なる時系列間でもGBDTの予測結果をロバストに 〜WarpGBMとDirectional Era-Splitting〜

各時系列ごとの相関係数は以下の通りです（青がLightGBM、赤がWrapGBM）。 WrapGBMのほうが全体的に相関係数の値が安定していることがわかるかと思います。 参考: コード !pip install -Uqq numerapi lightgbm==4.0.0 !pip install -Uqq git+https://github.com/jefferythewind/warpgbm.git !mkdir -p models/ import gc import os import glob import json import pickle import numerapi import itertools import cloudpickle import numpy as np import pandas as pd import lightgbm as lgb import

[misshiki]

“一般的な決定木は分割によって最も不純度が減少するように分割点を決めますが、Directional Era-Splitting（DES）では、分割によって誘導される予測の方向を最大化させるように分割点を決めます。”