> ## Documentation Index
> Fetch the complete documentation index at: https://docs.wandb.ai/llms.txt
> Use this file to discover all available pages before exploring further.
> W&B를 LightGBM과 통합해 그라디언트 부스팅 메트릭, 특성 중요도, 모델 성능을 자동으로 로깅합니다.
# LightGBM
export const ColabLink = ({url}) =>
Colab에서 사용해 보기
;
`wandb` 라이브러리에는 [LightGBM](https://lightgbm.readthedocs.io/en/latest/)용 전용 콜백이 포함되어 있습니다. 또한 W\&B의 범용 logging 기능을 사용하면 하이퍼파라미터 Sweeps와 같은 대규모 실험도 쉽게 추적할 수 있습니다.
```python theme={null}
from wandb.integration.lightgbm import wandb_callback, log_summary
import lightgbm as lgb
# W&B에 메트릭 로그
gbm = lgb.train(..., callbacks=[wandb_callback()])
# W&B에 feature importance 플롯 로그 및 모델 체크포인트 업로드
log_summary(gbm, save_model_checkpoint=True)
```
실행 가능한 코드 예제를 찾고 계신가요? [GitHub의 예제 저장소](https://github.com/wandb/examples/tree/master/examples/boosting-algorithms)를 확인해 보세요.
## Sweeps로 하이퍼파라미터 튜닝하기
모델의 성능을 최대한 끌어올리려면 트리 깊이와 학습률 같은 하이퍼파라미터를 조정해야 합니다. W\&B [Sweeps](/ko/models/sweeps/)는 대규모 하이퍼파라미터 테스트 실험을 설정하고, 조율하고, 분석할 수 있는 강력한 도구 모음입니다.
이 도구에 대해 자세히 알아보고 XGBoost와 함께 Sweeps를 사용하는 예제를 보려면 이 대화형 Colab 노트북을 확인하세요.
