GBDT

더보기 LGBM의 주요 특징은 무엇인가요? 다른 Boosting 모델과 비교했을 때, LGBM의 장점이 무엇인가요? 어떤 상황에 LGBM을 사용하는 것이 좋을까요? Microsoft에서 제안한, 병렬 처리 없이도 빠르게 Gradient Boosting을 학습할 수 있도록 하는 모델 GOSS: Gradient-based One-Side Sampling 데이터 샘플의 수를 줄여 학습시간을 단축 Top N개 데이터 인스턴스와 랜덤 샘플링 데이터 인스턴스만 활용 전제 ⇒ 학습이 덜 된 샘플 데이터 인스턴스가 가지고 있는 gradient가 클수록 모델에 큰 변화를 줄 수 있다. 따라서, gradient 값이 큰 상위 a%의 샘플은 무조건 선택하고 나머지에서는 무작위로 선택하여 가중치 부여 EFB: Exclusiv..