
エントリーの編集

エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
不確かさを扱える新しい勾配ブースティングNGBoostを実装してみた - Qiita
記事へのコメント0件
- 注目コメント
- 新着コメント
このエントリーにコメントしてみましょう。
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています

- バナー広告なし
- ミュート機能あり
- ダークモード搭載
関連記事
不確かさを扱える新しい勾配ブースティングNGBoostを実装してみた - Qiita
製造業出身のデータサイエンティストがお送りする記事 今回はデータ解析でよく使われる勾配ブースティン... 製造業出身のデータサイエンティストがお送りする記事 今回はデータ解析でよく使われる勾配ブースティングの派生アルゴリズムで、不確実性を考慮した予測が可能なNGBoostを実装してみました。 はじめに scikit-learnを活用した機械学習の予測モデルは過去の記事に書いておりますので、そちらを参照ください。 今回はNGBoostのみ書きます。 NGBoostとは NGBoost(Natural Gradient Boosting)とは、「予測の不確かさ」を扱うことができる手法です。一般的な回帰モデルの場合は、1つの予測値を出力しますが、NGBoostでは、その値である確率も予測することができます。 基本的な考え方は、各入力における出力の確率分布をパラメータセットの形で表現し、勾配ブースティングの手法によりこのパラメータを算出します。 NGBoostは回帰問題だけでなく、分類問題などにも利用