質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
85.50%
XGBoost

XGBoostは、アンサンブル学習と決定木を組み合わせた手法です。弱学習器の構築時に、以前構築された弱学習器の結果を用いて弱学習器を構築。高度な汎化能力を持ち、勾配ブースティングとも呼ばれています。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

Q&A

0回答

289閲覧

SHAP value

SaOu

総合スコア6

XGBoost

XGBoostは、アンサンブル学習と決定木を組み合わせた手法です。弱学習器の構築時に、以前構築された弱学習器の結果を用いて弱学習器を構築。高度な汎化能力を持ち、勾配ブースティングとも呼ばれています。

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

機械学習

機械学習は、データからパターンを自動的に発見し、そこから知能的な判断を下すためのコンピューターアルゴリズムを指します。人工知能における課題のひとつです。

0グッド

0クリップ

投稿2022/07/19 04:59

前提

学校の機械学習の授業でLightGBMとXGboostを用いたある予測をしています.
変数の寄与を調べるためにshap valueを算出しようとしたところ,xgboostは1時間-2時間ほどで算出できたのですが,lightgbmは6時間以上たっても算出できていない状況です.

lightgbmのshap値を算出するにあたって注意する点や改善すると結果が早くなるポイントがあれば教えていただきたいです.

〇リストどちらのパラメータもある程度チューニング済みでtrainも滞りなく進行していくことが確認できています.

〇データ規模はlightGBMのほうが小さいです

  • lightGBMに用いたデータ(200000, 98)
  • XGboostに用いたデータ(200000, 245) (うち100個のカラムはlightGBMと共通です)

〇共通したデータについては同じデータになっています

初心者であまり状況がうまく説明できてないのですが.
必要な情報があれば追加していきます.よろしくお願いします.

Python3

1import shap 2 3shap.initjs() 4 5model= lgb.LGBMClassifier(**params_best).fit(x_train, y_train) 6 7 8 9explainer = shap.TreeExplainer(model) 10 11 12shap_values = explainer(x_train) <- この箇所で止まっている

Xgboostの場合⇓

Python3

1import shap 2 3shap.initjs() 4 5model= xgb.XGBClassifier(**params_best).fit(x_train, y_train) 6 7 8 9explainer = shap.TreeExplainer(model) 10 11 12shap_values = explainer(x_train) 13

気になる質問をクリップする

クリップした質問は、後からいつでもMYページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

バッドをするには、ログインかつ

こちらの条件を満たす必要があります。

guest

あなたの回答

tips

太字

斜体

打ち消し線

見出し

引用テキストの挿入

コードの挿入

リンクの挿入

リストの挿入

番号リストの挿入

表の挿入

水平線の挿入

プレビュー

まだ回答がついていません

会員登録して回答してみよう

アカウントをお持ちの方は

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
85.50%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問