StatMixedML/LightGBMLSS

何を解決するか

LightGBMLSS は LightGBM を拡張し、確率的モデリングを可能にします。標準的な勾配ブースティングマシンはしばしば単一の点推定を予測しますが、LightGBMLSS では、共変量に基づいて目的変数の完全な条件付き分布をモデル化・予測できます。これにより、予測区間や関心のある分位数を導出できる確率的予測が可能になります。

動作方法

このフレームワークは PyTorch と Pyro に基づいており、PyTorch の autograd を使ってすべての分布パラメータの勾配とヘッセ行列を自動的に導出します。連続分布、離散分布、混合離散連続分布を含む広範な分布族をサポートしており、さらに多峰性分布に対応するための Normalizing Flows や Mixture-Densities もサポートしています。また、ゼロ過剰なデータに対応する Zero-Inflated および Zero-Adjusted 分布もサポートしています。

対象ユーザー

LightGBM エコシステムを使用して予測モデルを構築する際に、点推定以上の情報と確率的予測、不確実性の定量化を必要とするデータサイエンティストや研究者。

主な特徴

• 完全な分布推定: 選択された分布のすべてのパラメータを推定し、完全な条件付き分布を予測します。

• PyTorch 統合: PyTorch を使用して勾配とヘッセ行列を自動導出します。

• 多様な分布サポート: Normalizing Flows、Mixture-Densities、Zero-Inflated/Adjusted 分布をサポート。

• エコシステム互換性: すべての LightGBM 機能と完全に互換性があります。

• 統合ツールキット: Optuna を用いた自動ハイパーパラメータ探索と、SHAP を用いたモデル解釈を含みます。