Varianten van gradient boosting
Ensemblemethoden in Python
Román de las Heras
Data Scientist, Appodeal
Varianten van gradient boosting
Gradient-boostingalgoritme
- Extreme Gradient Boosting
- Light Gradient Boosting Machine
- Categorical Boosting
Implementaties
- XGBoost
- LightGBM
- CatBoost
Extreme gradient boosting (XGBoost)
Enkele eigenschappen:
- Geoptimaliseerd voor gedistribueerd rekenen
- Van nature parallel trainen
- Schaalbaar, portable en nauwkeurig
import xgboost as xgb
clf_xgb = xgb.XGBClassifier(
n_estimators=100,
learning_rate=None,
max_depth=None,
random_state
)
clg_xgb.fit(X_train, y_train)
pred = clf_xgb.predict(X_test)
Light gradient boosting machine
Enkele eigenschappen:
- Uitgebracht door Microsoft (2017)
- Snellere, efficiëntere training
- Lichter qua opslag
- Geoptimaliseerd voor parallel en GPU
- Handig bij grote datasets en snelheids- of geheugenvraagstukken
import lightgbm as lgb
clf_lgb = lgb.LGBMClassifier(
n_estimators=100,
learning_rate=0.1,
max_depth=-1,
random_state
)
clf_lgb.fit(X_train, y_train)
pred = clf_lgb.predict(X_test)
Categorical boosting
Enkele eigenschappen:
- Open source door Yandex (april 2017)
- Ingebouwde ondersteuning voor categorische features
- Nauwkeurig en robuust
- Snel en schaalbaar
- Gebruiksvriendelijke API
import catboost as cb
clf_cat = cb.CatBoostClassifier(
n_estimators=None,
learning_rate=None,
max_depth=None,
random_state
)
clf_cat.fit(X_train, y_train)
pred = clf_cat.predict(X_test)
Laten we oefenen!
Ensemblemethoden in Python
