TwoMoons LightGBM train
機械学習ディープラーニング・シャローラーニング ベストプラクティス
TensorFlow, Keras, LightGBM の教科書
左の図はTwoMoons LightGBM trainの出力図です。
シャローラーニングの分類問題では圧倒的に優秀です。境界線がかなり複雑ですが,ニューラルネットワークに比べて直線的です。
勾配ブースティングは scikit learn にもありますが, LightGBM は軽くて速く,ビッグデータを扱えます。
(2023-11-25 Python3.10.9(GPUマシン)で動作確認済み)
Cross Val や GridSearch でも使えますが,今回は,一番シンプルな"LightGBM.train"でやります。当然,データの一部をtestに分けるホールドアウト法になります。
パラメータはチューニングしていません。らしい値を代入しています。
LightGBM のモデルの作り方は他書を参照してください。描画プログラムは良く使われる典型コードです。
データの型については意識してください。1次データでもリストと1次行列を使い分けを意識してください。
下の枠に添付のhtmlファイルは「Jupyter Notebook」の.ipynbファイルをhtml化したものでそれぞれのファイルは左上隅からダウンロードできます。