Bu konu, LightGBM algoritmasını açıklar.
Giriş
LightGBM (light gradient boosting machine), karar ağacı algoritmalarına dayalı dağıtık bir gradient boosting çerçevesidir. Hızlı ve verimli olacak şekilde tasarlanan bu çerçeve; düşük bellek kullanımı, yüksek doğruluk ile paralel ve büyük ölçekli veri işleme desteği sunar. LightGBM, bellek kullanımını azaltır, iletişim maliyetlerini düşürür ve çok makineli paralel ortamlarda verimliliği artırır. Veri hesaplamalarında doğrusal hızlanma sağlar.
Kullanım Senaryoları
LightGBM; GBDT modelleri, rastgele ormanlar ve lojistik regresyon modelleri gibi modelleri içeren bir algoritma çerçevesidir. Genellikle ikili sınıflandırma, çok sınıflı sınıflandırma ve sıralama gibi senaryolarda kullanılır.
Örneğin, kişiselleştirilmiş ürün önerisi senaryolarında genellikle tıklama tahmini modelleri oluşturmanız gerekir. Model oluştururken geçmiş kullanıcı davranışlarını (tıklamalar, tıklanmayan gösterimler ve satın alımlar gibi) kullanarak bir kullanıcının bir ürünü tıklama veya satın alma olasılığını tahmin edebilirsiniz. Özellikler, aşağıdakileri de kapsayan kullanıcı davranışlarından ve özelliklerinden çıkarılır:
Kategorik özellikler: Cinsiyet (erkek/kadın) gibi dize türü.
Ürün türleri: Giyim, oyuncak, elektronik ve daha fazlası.
Sayısal özellikler: Kullanıcı popülaritesi veya ürün fiyatı gibi tam sayı veya kayan nokta türü.
Parametre açıklamaları
Aşağıdaki tabloda, CREATE MODEL sözdizimindeki model_parameter parametresi için değerler açıklanmaktadır. İhtiyaçlarınıza göre parametreleri seçebilirsiniz.
Parametre | Açıklama |
boosting_type | Zayıf öğrenici türü. Geçerli değerler:
Not Parametre değerini tek tırnak içine alın. Örneğin: |
n_estimators | Yineleme sayısı. Bu bir tam sayı olmalıdır. Varsayılan değer 100'dür. |
loss | Öğrenme görevi ve ilgili öğrenme hedefi. Geçerli değerler:
|
num_leaves | Yaprak sayısı. Bu bir tam sayı olmalıdır. Varsayılan değer 128'dir. |
max_depth | Ağacın maksimum derinliği. Bu bir tam sayı olmalıdır. Varsayılan değer 7'dir. Not -1 değeri sınırsız ağaç derinliğini belirtir. Ancak aşırı öğrenmeyi önlemek için uygun bir değer ayarlamanız önerilir. |
learning_rate | Öğrenme oranı. Bu bir kayan nokta sayısı olmalıdır. Varsayılan değer 0,06'dır. |
max_leaf_nodes | Bir ağaçtaki maksimum yaprak düğüm sayısı. Değer boş veya bir tam sayı olabilir. Varsayılan değer boştur; bu, yaprak düğüm sayısı üzerinde bir sınır olmadığı anlamına gelir. |
min_samples_leaf | Bir yaprak düğümündeki minimum örnek sayısı. Bu bir tam sayı olmalıdır. Varsayılan değer 20'dir. Not Bir yaprak düğümündeki örnek sayısı bu değerden azsa, kardeş düğümüyle birlikte budanır. |
subsample | Model oluşturmak için kullanılan örneklerin toplam örnek sayısına oranı. Bu, 0 ile 1 arasında bir kayan nokta sayısı olmalıdır. Varsayılan değer 1'dir. Not Değer 1'den küçükse, model oluşturma için yalnızca bu orandaki örnekler kullanılır. |
max_features | Model oluşturmak için kullanılacak özelliklerin oranı. Değer bir kayan nokta sayısıdır. Geçerli aralık 0 ile 1 arasındadır. Varsayılan değer 1'dir. |
max_depth | Ağacın maksimum derinliği. Değer bir tam sayı olmalıdır. Varsayılan değer 7'dir. Not Daha büyük bir değer doğruluğu artırır ancak aşırı öğrenmeye neden olabilir. |
random_state | Rastgele sayı tohumu. Bu bir tam sayı olmalıdır. Varsayılan değer 1'dir. Not Farklı değerler ayarlamak ağaç oluşturmayı ve model oluşturma verilerinin bölünmesini etkiler. |
model_type | Modelin depolama sınıfı. Geçerli değerler:
|
n_jobs | Model oluşturma için kullanılan iş parçacığı sayısı. Bu bir tam sayı olmalıdır. Varsayılan değer 4'tür. Not Daha fazla iş parçacığı, model oluşturmayı hızlandırır. |
is_unbalance | Örnek dengesizliği sorununu ele almak için daha az örneğe sahip sınıfların ağırlığının artırılıp artırılmayacağını belirtir. Geçerli değerler:
|
categorical_feature | Kategorik özellikler. Değer bir dize dizisidir. Algoritma genellikle veri türünü kontrol ederek bunu otomatik olarak ayarlar, ancak siz de manuel olarak belirtebilirsiniz. Örnek: |
automl | Otomatik parametre ayarlama özelliğinin etkinleştirilip etkinleştirilmeyeceğini belirtir. Geçerli değerler:
|
automl_train_tag | Model oluşturma için kullanılan etiket. |
automl_test_tag | Test için kullanılan etiket. |
automl_column | Otomatik ayarlamanın model oluşturma kümesi ile geliştirme kümesini ayırt etmek için kullandığı sütun adı. Bu parametreyi kullanırken Not
Bu yapılandırma, {0,05, 0,04, 0,03, 0,01} kümesinden en iyi öğrenme oranını ve {0,6, 0,5} kümesinden en iyi alt örnekleme oranını arar. |
Örnekler
Model oluşturma ve çevrimdışı model öğrenimi
/*polar4ai*/CREATE MODEL airline_gbm WITH
(model_class = 'lightgbm',
x_cols = 'Airline,Flight,AirportFrom,AirportTo,DayOfWeek,Time,Length',
y_cols='Delay',model_parameter=(boosting_type='gbdt'))
AS (SELECT * FROM db4ai.airlines);
Model değerlendirme
/*polar4ai*/SELECT Airline FROM EVALUATE(MODEL airline_gbm,
SELECT * FROM db4ai.airlines LIMIT 20) WITH
(x_cols = 'Airline,Flight,AirportFrom,AirportTo,DayOfWeek,Time,Length',y_cols='Delay',metrics='acc');
Model tahmini
/*polar4ai*/SELECT Airline FROM PREDICT(MODEL airline_gbm,
SELECT * FROM db4ai.airlines limit 20) WITH
(x_cols = 'Airline,Flight,AirportFrom,AirportTo,DayOfWeek,Time,Length');