StatMixedML/XGBoostLSS

해결하는 문제

표준 회귀 모델은 일반적으로 단일 점 추정치(예: 평균)를 예측합니다. XGBoostLSS는 XGBoost를 확장하여 타겟의 전체 조건부 분포를 예측하는 확률적 모델링을 가능하게 합니다. 이를 통해 예측 구간과 관심 있는 특정 분위수를 도출하는 확률적 예측이 가능해집니다.

작동 방식

다양한 연속형, 이산형, 혼합 이산-연속 분포를 사용하여 타겟을 공변량의 함수로 모델링하는 프레임워크를 제공합니다. 시스템은 PyTorch를 활용하여 모든 분포 매개변수에 대한 기울기와 헤시안을 자동으로 도출하고 Pyro와 통합됩니다. 또한 정규화 흐름(다중 모달 분포용), 혼합 밀도, 제로 조정/제로 과잉 분포를 통해 제로 값이 과도하게 존재하는 데이터와 같은 복잡한 데이터 특성을 지원합니다.

대상 사용자

단순한 점 추정이 아닌, 타겟 변수의 불확실성과 분포를 완전히 이해해야 하는 단변량 또는 다변량 회귀 작업에서 데이터 과학자 및 연구자.

주요 특징

• 전체 분포 추정: 평균뿐만 아니라 선택한 분포의 모든 매개변수를 추정합니다.
• 다중 타겟 지원: 다변량 응답과 그 종속성을 모델링할 수 있습니다.
• 유연한 분포 라이브러리: 혼합 밀도 및 정규화 흐름을 포함한 광범위한 분포 계열을 지원합니다.
• 통합 도구: Optuna를 통한 자동 하이퍼파라미터 탐색과 SHAP를 활용한 모델 해석 기능을 포함합니다.