LightGBM

W&B Python SDK (wandb)에는 트레이닝 메트릭, 특성 중요도, 모델 체크포인트를 W&B에 자동으로 로깅하는 LightGBM용 전용 콜백이 포함되어 있습니다. 또한 W&B의 범용 logging 기능을 사용하면 하이퍼파라미터 Sweeps와 같은 대규모 실험도 쉽게 추적할 수 있습니다. 이 인테그레이션을 사용하면 맞춤형 logging 코드를 작성하지 않고도 그라디언트 부스팅 모델 성능을 모니터링하고, Runs를 비교하고, 특성의 기여도를 분석할 수 있습니다.

from wandb.integration.lightgbm import wandb_callback, log_summary
import lightgbm as lgb

# W&B에 메트릭 로깅
gbm = lgb.train(..., callbacks=[wandb_callback()])

# W&B에 특성 중요도 plot 로깅 및 모델 checkpoint 업로드
log_summary(gbm, save_model_checkpoint=True)

실행 가능한 코드 예제는 GitHub의 예제 저장소를 확인해 보세요.

Sweeps로 하이퍼파라미터 튜닝하기

모델에서 최상의 성능을 얻으려면 트리 깊이와 학습률 같은 하이퍼파라미터를 조정하세요. W&B Sweeps는 대규모 하이퍼파라미터 테스트 실험을 설정하고, 조율하고, 분석하는 도구 모음입니다. 이 도구에 대해 자세히 알아보고 XGBoost와 함께 Sweeps를 사용하는 예제를 보려면 다음 대화형 Colab 노트북을 여세요.

⌘I

Weights & Biases

Powered by CoreWeave

Platform Details

Resources

Sweeps로 하이퍼파라미터 튜닝하기

​Sweeps로 하이퍼파라미터 튜닝하기

Sweeps로 하이퍼파라미터 튜닝하기