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。
記事へのコメント1件
- 注目コメント
- 新着コメント
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
LightGBMのCalibration Curveを確認する|nekoumei
はじめに何らかの問題を二値分類で解くとき、予測確率を正しく求めたいことがあります。 scikit-learnの... はじめに何らかの問題を二値分類で解くとき、予測確率を正しく求めたいことがあります。 scikit-learnのDocumentの例では、ナイーブベイズおよびSVCでの予測確率が実際の確率からずれていて、Calibrationを行うことで改善される例が紹介されています。 LightGBMの場合どうなんでしょう。 lgbの公式ドキュメントによると binary classificationの場合は binary log loss classification (or logistic regression) とのことなので、calibrationは不要そうに見えます。 とはいえ、実際やってみないとわからないので上記scikit-learnのトイデータおよび、いくつかのデータセットで、LightGBMの予測値のCalibration Curveを確認しました。 検証方法・データセットは、scik
2021/08/25 リンク