Градиентный бустинг без формул.Часть 2. Какой бустинг лучше? XgBoost vs LightGBM vs CatBoost

Сравниваем градиентные бустинги.
1-я часть • Градиентный бустинг бе...

[@NaTaLLLA]

Спасибо! Наглядно и просто писать о сложном - это особый талант)

[@user-_kirill]

Очень интересно. Надо почитать по глубже. Хорошо получилось видео с точки зрения ёмкости и информативности.

[@user-nr1ym9zw1t]

Супер, очень круто, спасибо!)

[@Ana-rv6xm]

Спасибо за очень крутое объяснение!!! Все очень понятно

[@arti5946]

Лямбда это количество наблюдений ?

[@dedkoster]

Звук бы погромче, пришлось все вывернуть на максимум и все равно плохо слышно

[@user-gq1rv6rm4o]

огромное спасибо за материал!

[@user-gq7kn3uk4t]

Все супер! Давай ещё видео!

[@LS-oh6po]

Интересно, а ИИ и градиентный бустинг может решать задачу выбора оптимального значения из массива? То есть есть массив из которого надо выбрать лучшее значение по каким-то признакам. Например, 1000 жителей которые обладают критериями - пол, вес, возраст и т.д. из которых надо выбрать лучшего. При этом присваивая важность критериям.

[@zollogamecenter1045]

огромное спасибо!

[@user-nw3zl8rd7q]

реально для людей.

[@ivanaaa6049]

Автор ушел в мелкие детали, а лучше бы рассказал качественные отличия различных бустингов. Один лучше там (потому- то), второй- тут (потому- то), третий вот там (по такой- то причине)... А это просто мешок слов из книжки.

[@user-rv8qn7ov3p]

Фишка в том, что тут нет понятия хуже или лучше. Это зависит исключительно от задачи, которую нужно решить. А чтобы выбрать подходящий бустинг, нужно знать как он работает. Если нужен самый быстрый то лучше всего LightGBM, в силу того, что он обсчитывает не весь датасет, а часть. Если много категориальных переменных, то лучше всего CatBoost потому что он под это заточен и т.д

[@levi-killer]

Текст себе напиши на бумажке, если не можешь на ходу без мычаний соображать. Неприятно слушать