StatMixedML/XGBoostLSS

何を解決するか

標準的な回帰モデルは通常、単一の点推定（平均など）を予測します。XGBoostLSS は XGBoost を拡張し、ターゲットの完全な条件付き分布を予測する確率的モデリングを可能にします。これにより、予測区間や関心のある特定の分位数の導出を含む確率的予測が実現できます。

動作方法

さまざまな連続分布、離散分布、および混合離散連続分布を用いて、ターゲットを共変量の関数としてモデル化するフレームワークを提供します。システムは PyTorch を活用して、すべての分布パラメータについて勾配とヘッセ行列を自動的に導出し、Pyro と統合されています。また、正規化フロー（多峰性分布に対応）、混合密度、ゼロ調整/ゼロインフレート分布を用いて、ゼロが過剰に存在するデータなどの複雑なデータ特性に対応可能です。

対象ユーザー

単なる点推定ではなく、ターゲット変数の不確実性や分布を完全に理解したい、単変量または多変量回帰タスクにおけるデータサイエンティストや研究者。

特徴

• 完全な分布推定: 平均だけでなく、選択した分布のすべてのパラメータを推定します。
• 多ターゲット対応: 多変量応答とその依存関係をモデル化可能です。
• 柔軟な分布ライブラリ: 混合密度や正規化フローを含む広範な分布族をサポートします。
• 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 を用いたモデルの説明可能性を備えています。