LightGBM予測モデル実装ハンドブック : モデル評価・精度改善・可視化実務活用のための : ハンズオン形式で学べるからよくわかる

本書は実践知を基にLightGBMの仕組みや実務への活用方法をハンズオン形式で学ぶ技術書です。LightGBMはレコード数が1,000万件を越える大規模データでも数時間でモデル学習でき、予測精度が高く、実装がシンプルという開発運用に適した特徴を兼ね揃えた機械学習アルゴリズムです。 本書の目標は以下の2つです。 目標1　LightGBMの理解ためには、逆説的ですが「LightGBM以外」の仕組みを具体的に理解する必要があると、筆者は考えています。そこで、本書は機械学習の基礎となる「線形回帰」、勾配ブースティングの基礎となる「決定木（回帰木）」の仕組みを最初に整理し、続いて、回帰木→勾配ブースティング→XGBoost→LightGBMとアルゴリズムごとの工夫（前提条件）を数式を交えて理解する構成にしています。 目標2　実務活用は探索的データ解析（EDA）、クロスバリデーション、特徴量エンジニアリング、ハイパーパラメータ最適化の精度改善の実装を通じて、実務で役立つ考え方や運用で注意すべき点を学べるようにハンズオンします。また、実務は精度の改善と並んで、予測値の説明性が大事になります。そこで、予測値を特徴量の貢献度で分解し、予測値の原因を分析します。 第1章　予測モデルの概要 第2章　回帰の予測モデル 第3章　分類の予測モデル 第4章　回帰の予測モデル改善 第5章　LightGBMへの発展