LightGBM
wandb
ライブラリには、LightGBM用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探索のような大規模な実験を追跡することも簡単です。
from wandb.lightgbm import wandb_callback, log_summary
import lightgbm as lgb
# W&Bにメトリクスをログ
gbm = lgb.train(..., callbacks=[wandb_callback()])
# W&Bに特徴量重要度図をログし、モデルのチェックポイントをアップロード
log_summary(gbm, save_model_checkpoint=True)
備考
実行可能な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ノートブックをお試しください。
スイープを使ってハイパーパラメータを調整
モデルの最大性能を引き出すには、木の深さや学習率などのハイパーパラメータを調整する必要があります。Weights & Biasesには、スイープという、大規模なハイパーパラメータテスト実験の設定、オーケストレーション、分析が可能な強力なツールキットが含まれています。
備考
これらのツールの詳細や、XGBoostでスイープを使った例を見るには、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。