dskomei https://blog.hatena.ne.jp/dskomei/ 見習いデータサイエンティストの隠れ家 https://www.dskomei.com/ XGBoost 機械学習 高速化 機械学習のモデルを作るときは、とりあえずXGBoostにしとけばよいでしょっていうぐらい、XGBoostが優秀です。ただし、XGBoostはある程度の精度のモデルを何も考えずに構築できる反面、他の機械学習モデルよりは実行時間が長くなります。モデルの学習時間が長くなると、ハイパーパラメータの探索回数を制限せざる負えなくなり、モデルの精度にも関わってきてしまいます。 学習データのデータサイズが大きくなるときは、すべてのデータに意味があるというよりは、ほぼ０の値で埋まっているようなスパース（疎）なデータになっていることが多いです。予測モデルにとっては、０列が多いことで精度が上がることはなく、実行時間… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fwww.dskomei.com%2Fentry%2F2021%2F04%2F16%2F111422" title="スパース（疎）なデータを非スパースに変換して、XGBoostを高速化 - 見習いデータサイエンティストの隠れ家" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> https://cdn-ak.f.st-hatena.com/images/fotolife/d/dskomei/20210415/20210415210351.png Hatena Blog https://hatena.blog 2021-04-16 11:14:22 rich https://www.dskomei.com/entry/2021/04/16/111422 1.0 100%