LightGBM 二分类概率校准问题修复实践
构建 LightGBM 二分类模型，数据存在类别不平衡（正样本率 < 30%），模型排序能力正常（AUC 合理），但预测概率系统性偏高——预测均值远大于实际正样本率，整体偏差显著。 诊断方法：分箱校准统计 按固定步长（如 0.05）对…
Lightgbm
使用Optuna优化LightGBM超参数
在先前的文章，已经很详细的介绍了LightGBM的原理及使用示例。模型的安装与调用本身不会遇到很大的问题，实际使用过程中遇到的最大难题是如何优化超参数。由于没有进行很好的超参数优化导致产生的模型性能存在欠缺。先前也简单的介绍过使用Optun…
Optuna自动调参使用指南
在日常工作中用到的比较多的还是树回归模型，由于LightGBM不需要的类别数据进行预处理所以用得特别多，中间涉及到超参数优化时通常使用随机参数优化方法。在算法模型自动超参数优化方法中有提到了Optuna，平时工作中也会使用到，今天主要对如何…
机器学习算法之LightGBM
[LATEXPAGE] 上一篇文章介绍了一个梯度提升决策树模型XGBoost，这篇文章我们继续学习一下GBDT模型的另一个进化版本：LightGBM。LigthGBM是boosting集合模型中的新进成员，由微软提供，它和XGBoost一样…
