기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
라이트GBM 하이퍼파라미터
다음 표에는 Amazon SageMaker LightGBM 알고리즘에 필요하거나 가장 일반적으로 사용되는 하이퍼파라미터의 하위 집합이 포함되어 있습니다. 이들은 사용자가 데이터를 통해 모델 파라미터를 쉽게 예측하기 위해 설정하는 파라미터입니다. SageMaker LightGBM 알고리즘은 오픈 소스 LightGBM
참고
기본 하이퍼파라미터는 라이트GBM 샘플 노트북의 예제 데이터 세트를 기준으로 정해집니다.
기본적으로 SageMaker LightGBM 알고리즘은 분류 문제의 유형에 따라 평가 지표 및 목표 함수를 자동으로 선택합니다. LightGBM 알고리즘은 데이터의 레이블 수를 기반으로 분류 문제의 유형을 감지합니다. 회귀 문제의 경우 평가 지표는 평균 제곱근 오차이고 목적 함수는 L2 손실입니다. 바이너리 분류 문제의 경우 평가 지표와 목적 함수는 모두 바이너리 교차 엔트로피입니다. 다중 클래스 분류 문제의 경우 평가 지표는 다중 클래스 교차 엔트로피이고 목적 함수는 소프트맥스입니다. metric
하이퍼파라미터를 사용하여 기본 평가 지표를 변경할 수 있습니다. 설명, 유효한 값 및 기본값을 포함하여 LightGBM 하이퍼파라미터에 대한 자세한 내용은 다음 표를 참조하세요.
파라미터 이름 | 설명 |
---|---|
num_boost_round |
최대 부스팅 반복 횟수. 참고: 내부적으로 LightGBM는 다중 클래스 분류 문제에 대한 유횻값: 정수, 범위: 양의 정수. 기본값: |
early_stopping_rounds |
마지막 유효한 값: 정수. 기본값: |
metric |
검증 데이터에 대한 평가 지표.
유효한 값: 문자열, 다음 중 하나: ( 기본값: |
learning_rate |
각 훈련 예제 배치를 살펴본 후 모델 가중치가 업데이트되는 비율입니다. 유효한 값: 부동 소수점, 범위: ( 기본값: |
num_leaves |
한 나무의 최대 잎 수입니다. 유효한 값: 정수, 범위: ( 기본값: |
feature_fraction |
각 반복(트리)에서 선택할 기능의 하위 집합. 1.0 미만이어야 합니다. 유효한 값: 부동 소수점, 범위: ( 기본값: |
bagging_fraction |
유효한 값: 부동 소수점, 범위: ( 기본값: |
bagging_freq |
배깅을 수행하는 빈도. 매번 유효한 값: 정수, 범위: 음수가 아닌 정수. 기본값: |
max_depth |
나무 모델의 최대 깊이입니다. 이는 데이터 양이 적을 때 오버피팅을 처리하는 데 사용됩니다. 유효한 값: 정수. 기본값: |
min_data_in_leaf |
한 리프에 있는 최소 데이터 양. 오버피팅을 처리하는 데 사용할 수 있습니다. 유효한 값: 정수, 범위: 음수가 아닌 정수. 기본값: |
max_delta_step |
나무 잎의 최대 생산량을 제한하는 데 사용됩니다. 유효한 값: 부동 소수점. 기본값: |
lambda_l1 |
L1 정규화. 유효한 값: 부동 소수점, 범위: 음수가 아닌 부동 소수점. 기본값: |
lambda_l2 |
L2 정규화. 유효한 값: 부동 소수점, 범위: 음수가 아닌 부동 소수점. 기본값: |
boosting |
부스팅 타입 유효한 값: 문자열, 다음 중 하나: ( 기본값: |
min_gain_to_split |
스플릿을 수행하는 데 필요한 최소 게인. 훈련 속도를 높이는 데 사용할 수 있습니다. 유효한 값: 정수, 부동 소수점: 음수가 아닌 부동 소수점. 기본값: |
scale_pos_weight |
포지티브 클래스가 있는 레이블의 가중치. 바이너리 분류 작업에만 사용됩니다. 유효한 값: 부동 소수점, 범위: 양의 부동 소수점. 기본값: |
tree_learner |
트리 훈련자 유형. 유효한 값: 문자열, 다음 중 하나: ( 기본값: |
feature_fraction_bynode |
각 트리 노드에서 무작위 기능의 하위 집합을 선택합니다. 예를 들어 유효한 값: 정수, 범위: ( 기본값: |
is_unbalance |
훈련 데이터가 불균형한 경우 유효한 값: 문자열, 다음 중 하나: ( 기본값: |
max_bin |
기능 값을 버킷화하는 데 사용되는 최대 빈 수입니다. 빈 수가 적으면 훈련 정확도가 떨어질 수 있지만 전반적인 성능은 향상될 수 있습니다. 오버피팅을 처리하는 데 사용할 수 있습니다. 유효한 값: 정수, 범위: (1, ∞) 기본값: |
tweedie_variance_power |
Tweedie 분포의 분산을 제어합니다. 감마 분포로 전환하려면 이 값을 유효한 값: 부동 소수점, 범위: [ 기본값: |
num_threads |
Light 를 실행하는 데 사용되는 병렬 스레드 수입니다GBM. 값 0은 OpenMP의 기본 스레드 수를 의미합니다. 유효한 값: 정수, 범위: 음수가 아닌 정수. 기본값: |
verbosity |
인쇄 메시지의 장황함. 유효한 값: 정수. 기본값: |