![見出し画像](https://assets.st-note.com/production/uploads/images/112691682/rectangle_large_type_2_e3da1cff9b7d510ba54e6cc9570c7c17.png?width=1200)
🎲LightGBM予測モデルはmsのフレームワーク
LightGBM(Light Gradient Boosting Machine)は、Microsoftが開発した勾配ブースティングフレームワークで、分類や回帰などの教師あり学習タスクに使用されます。高速で効率的な実行が可能なため、大規模なデータセットに対しても用いられます。
以下はLightGBMの主要な特徴と概要です。
勾配ブースティングアルゴリズム: LightGBMは、弱い学習機(通常は決定木)を逐次的に学習し、それらを組み合わせて強力な予測モデルを構築します。各ステージで、現在のモデルの誤差に対して新しい学習機を訓練します。
ヒストグラムベースの学習: LightGBMは特徴量のヒストグラムベースの学習を使用し、計算コストを削減します。特徴量をビンに分割することで、計算の効率化と速度の向上が図られます。
Leaf-wise(葉賢い)成長戦略: 伝統的な勾配ブースティングアルゴリズムが深さ優先で木を成長させるのに対し、LightGBMは最大の勾配の損失を減らす方向に葉を成長させます。このアプローチは精度の向上に寄与しますが、適切なパラメータ設定なしには過学習のリスクも増加します。
欠損値とカテゴリ変数の処理: LightGBMは、欠損値の自動処理とカテゴリ変数の最適な分割をサポートしています。このため、事前のデータ変換が不要で、より効率的なモデル学習が可能です。
分散学習とGPUサポート: 大規模データセットに対応するために、分散学習やGPUの活用もサポートされています。
多目的学習: LightGBMは、ランク学習や多クラス分類など、多岐にわたる学習タスクにも適用できます。
お願い致します