Skip to main content
wandb ライブラリには、LightGBM 向けの専用コールバックが用意されています。また、W&B の汎用的なログ機能を使って、ハイパーパラメーター sweep のような大規模な実験を簡単にトラッキングできます。 
from wandb.integration.lightgbm import wandb_callback, log_summary
import lightgbm as lgb

# メトリクスをW&Bにログする
gbm = lgb.train(..., callbacks=[wandb_callback()])

# 特徴量重要度のプロットをログし、モデル チェックポイントをW&Bにアップロードする
log_summary(gbm, save_model_checkpoint=True)
実際に動作するコード例をお探しですか？ GitHub のサンプルリポジトリをご覧ください。

​
Sweeps を使ったハイパーパラメーターの調整

モデルのパフォーマンスを最大限に引き出すには、木の深さや学習率といったハイパーパラメーターを調整する必要があります。W&B Sweeps は、大規模なハイパーパラメーター探索実験を設定、実行、分析するための強力なツールキットです。 これらのツールの詳細や、XGBoost で Sweeps を使用する方法の例については、このインタラクティブな Colab ノートブックをご覧ください。
LightGBM のパフォーマンス比較