PyData.Tokyo Meetup #21 LightGBM / Optuna
PyData.Tokyo Meetup #21にてLightGBM/Optunaについて思う存分ディスカッションしました。
c-bata
@c_bata_
今日は #PyDataTokyo にきたんですが、微力ながらOptunaに貢献させていただいているということで、Tシャツいただきました。 明日会社で自慢します笑 pic.twitter.com/nuK5I9ApfM
2019-09-27 18:15:09
拡大
ML_Bear
@MLBear2
探索空間も決めてくれるのかな?便利かも。 #PyDataTokyo pic.twitter.com/yEbSSEb826
2019-09-27 18:16:43
拡大
松田裕之@Nishika
@mhiro216
LightGBM、連続値をbinにまとめてるのか。そうすると前処理でbinningをどれくらいやるのが意味があるのかな #PyDataTokyo
2019-09-27 18:30:18
松田裕之@Nishika
@mhiro216
「LightGBMは深さベースではなく葉ベースで木を学習するので、小さなロスを達成できるが過学習のリスクが大きくなる」 #PyDataTokyo
2019-09-27 18:32:08
杏仁まぜそば
@an_nindouph
デフォルトパラメーターが使い物にならない、なんとなく感じてた パラメーターチューニング知りたかったのでありがたい #PyDataTokyo
2019-09-27 18:34:31
松田裕之@Nishika
@mhiro216
kernelを丸コピして実装し始めると良い感じにearly stoppingとかのハイパラが設定されてることが多いので、過学習に悩んだことがなかったな。反省しろ俺。 #PyDataTokyo
2019-09-27 18:34:58
ML_Bear
@MLBear2
LightGBMの短所 ・過学習が厳しい ・デフォパラが使い物にならないことが多い ・カテゴリカル変数が多すぎると厳しい 3つ目しらんかた。 #PyDataTokyo
2019-09-27 18:35:50