앙상블(Ensemble) : Boosting의 LightGBM (회귀 모델 mse 낮추기)

앙상블(Ensemble) : Boosting의 LightGBM (회귀 모델 mse 낮추기)에 대한 포스팅입니다. 1. LightGBM 소개 LightGBM은 효율적인 대용량 데이터 처리가 가능한 경사 부스팅 프레임워크로, 회귀 분석에서 주로 사용됩니다. 회귀 분석의 목표는 입력 변수와 출력 변수 간의 관계를 모델링하고, MSE를 최소화하여 모델의 정확도를 향상시키는 것입니다. *경사 부스팅 경사 부스팅은 앙상블 학습 방법 중 하나로, 여러 개의 약한 학습기(weak learner)를 순차적으로 학습시켜 강력한 학습기(strong learner)를 만드는 기법입니다. 각 학습기는 이전 학습기가 만든 오차를 보완하도록 학습됩니다. 경사 부스팅의 핵심 아이디어는 이전 모델의 오차를 최소화하는 새로운 모델을 만드는 것입니다. 2. 데이터 전처리 1) 결측치 처리 : 데이터에서 결측치를 제거하거나 대체하는 방법을 적용하여 모델의 학습에 방해되지 않도록 합니다. 2) 범주형 변수 다루기 : 범...

원문링크 : 앙상블(Ensemble) : Boosting의 LightGBM (회귀 모델 mse 낮추기)