LightGBM

wandbライブラリにはLightGBM向けの特別なコールバックが含まれています。また、Weights & Biasesの汎用的なログ機能を使って、ハイパーパラメーター探索のような大規模な実験をトラッキングするのも簡単です。

from wandb.integration.lightgbm import wandb_callback, log_summary
import lightgbm as lgb

# メトリクスをW&Bにログする
gbm = lgb.train(..., callbacks=[wandb_callback()])

# 特徴インポータンスプロットをログし、モデルチェックポイントをW&Bにアップロードする
log_summary(gbm, save_model_checkpoint=True)

備考

動作するコード例をお探しですか？GitHubの例のリポジトリを確認するか、Colabノートブックを試してみてください。

Sweepsでハイパーパラメーターをチューニングする

モデルの最大性能を引き出すためには、ツリーの深さや学習率などのハイパーパラメーターをチューニングする必要があります。Weights & Biasesには、Sweepsという強力なツールキットが含まれており、大規模なハイパーパラメーターテスト実験の設定、オーケストレーション、分析を行うことができます。

備考

これらのツールについて詳しく知り、XGBoostとSweepsを使う例を見たい方は、このインタラクティブなColabノートブックをご覧ください。