perpetual-ml/perpetual

解決する課題

PerpetualBooster は、時間のかかるハイパーパラメータ最適化の必要性を排除するために設計された勾配ブースティングマシン (GBM) です。複雑なチューニングを単一の budget パラメータに置き換えることで、モデルの予測能力と汎化性能を制御し、一度の実行で最適な精度を達成できるようにします。

仕組み

高性能な Rust コアで構築されており、Python、R、Rust 用のバインディングを提供します。汎化アルゴリズムを利用して過学習を防ぎ、budget パラメータを増やすことで予測能力をスケーリングできます。Polars/Arrow のゼロコピーデータ処理をサポートし、本番環境へのデプロイ用にモデルを XGBoost または ONNX 形式でエクスポート可能です。

対象ユーザー

ハイパーパラメータのチューニングという手作業なしで勾配ブースティングの性能を求めるデータサイエンティストや機械学習エンジニア、および本番環境で高性能な学習と推論を必要とする方に最適です。

主な特徴

• ハイパーパラメータ不要： 従来のチューニングの代わりに budget パラメータを使用します。
• マルチタスク対応： 分類（二値および多クラス）、回帰、ランキングを処理します。
• 因果推論とドリフト監視： 処置効果の推定とデータ/コンセプトドリフトの監視を組み込みでサポートします。
• 継続学習： 計算量を O(n²) から O(n) に削減します。
• 相互運用性： XGBoost および ONNX 形式へのネイティブエクスポートに対応しています。
• 説明可能性： SHAP 値、部分依存プロット、特徴量の重要度を組み込んでいます。