Python: LightGBM を使ってみる - CUBE SUGAR CONTAINER
LightGBM は Microsoft が開発した勾配ブースティング決定木 (Gradient Boosting Decision Tree) アルゴリズムを扱うためのフレームワーク。 勾配ブースティング決定木は、ブースティング (Boosting) と呼ばれる学習方法を決定木 (Decision Tree) に適用したアンサンブル学習のアルゴリズムになっている。 勾配ブースティング決定木のフレームワークとしては、他にも XGBoost や CatBoost なんかがよく使われている。 調べようとしたきっかけは、データ分析コンペサイトの Kaggle で大流行しているのを見たため。 使った環境は次の通り。 $ sw_vers ProductName: Mac OS X ProductVersion: 10.13.4 BuildVersion: 17E202 $ python -V Pyt
LightGBM ハンズオン - もう一つのGradient Boostingライブラリ - Qiita
はじめに 機械学習コンペサイト"Kaggle"にて話題に上がるLightGBMであるが，Microsoftが関わるGradient Boostingライブラリの一つである．Gradient Boostingというと真っ先にXGBoostが思い浮かぶと思うが，LightGBMは間違いなくXGBoostの対抗位置をねらっているように見える．理論の詳細についてはドキュメントを参照いただくとして，本記事では「ハンズオン」ということで新しいツールの使い方を紹介したい． まず，ドキュメント冒頭から引用させていただく． LightGBM is a gradient boosting framework that uses tree based learning algorithms. It is designed to be distributed and efficient with the foll
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
