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

[samurairodeo]

“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