[파이썬 머신러닝 가이드] 분류 - LightGBM

LightGBM XGB 보다 더 빠른 학습과 예측 수행시간, 더 작은 메모리 사용량, 카테고리형 피처의 자동 변환과 최적 분할(원-핫 인코딩 사용 안하고도 카테고리형 피처를 최적으로 변환하고 이에 따른 노드 분할 수행) Level-wise(균형 트리 분할) vs. Leaf-wise(리프 중심 트리 분할) - 일반 GBM 계열의 트리 분할 방법은 균형 트리 분할. 트리의 깊이를 효과적으로 줄이기 위해! 최대한 균형 잡힌 트리 유지하며 분할하기에 트리의 깊이 최소화 될 수 있음. 오버피팅에 더 강한 구조를 가질 수 있다고 알려져 있어서. but, 균형 맞추기 위한 시간 필요함. - 리프 중심 트리 분할 방식은, 트리의 균형 맞추지 않고, 최대 손실 값(max delta loss)을 가지는 리프 노드를 지속적..