原文链接： 数据竞赛三剑客变四剑客了~

早期做数据竞赛的时候，常听大家戏称 Catboost，Xgboost和Lightgbm 为竞赛三剑客，如今，在诸多的竞赛中，又多了一位 HistGradientBoosting ，该算法基本也会出现在所有的竞赛问题中。例如：Steel Plate Defect Prediction竞赛中第二名的模型就是用到了HistGradientBoostingClassifier。

关于HistGradientBoosting算法

基于直方图的模型HistGradientBoosting算法相较于GradientBoostingClassifier 和 GradientBoostingRegressor：

• 模型训练速度会快几个数量级，尤其是在样本数量超过数万个样本时。

• 支持缺失值。

• 支持样本加权；

HistGradientBoosting算法首先将输入样本 X 划分为整数值的箱（通常为 256 个箱），这极大地减少了需要考虑的分割点数量，并允许算法在构建树时利用基于整数的数据结构（直方图），而不是依赖排序的连续值。

RETRAIN_HGBC_MODEL = False
def objective(trial):
    # Define hyperparameters to tune
    param = {
        'learning_rate': trial.suggest_float('learning_rate', 0.005, 0.1),
        'max_iter': trial.suggest_int('max_iter', 100, 2500),  # Equivalent to n_estimators
        'max_depth': trial.suggest_int('max_depth', 3, 20),
        'l2_regularization': trial.suggest_float('l2_regularization', 1e-8, 10.0, log=True),  # Equivalent to reg_lambda
        'min_samples_leaf': trial.suggest_int('min_samples_leaf', 20, 300),
        'max_bins': trial.suggest_int('max_bins', 25, 255),
    auc_scores = []
    for train_idx, valid_idx in cv.split(X, y):
        X_train_fold, X_valid_fold = X.iloc[train_idx], X.iloc[valid_idx]
        y_train_fold, y_valid_fold = y.iloc[train_idx], y.iloc[valid_idx]
        # Create and fit the model
        model = HistGradientBoostingClassifier(**param)
        model.fit(X_train_fold, y_train_fold)
        # Predict class probabilities
        y_prob = model.predict_proba(X_valid_fold)
        # Compute the AUC for each class and take the average
        average_auc = roc_auc_score(targets_bin.iloc[valid_idx], y_prob[:, 1:], multi_class="ovr", average="macro")
        auc_scores.append(average_auc)
    # Return the average AUC score across all folds
    return np.mean(auc_scores)
if RETRAIN_HGBC_MODEL:
    # Example usage with Optuna
    hgbc_study = optuna.create_study(direction='maximize', study_name="HistGradientBoostingClassifier_model_training")
    hgbc_study.optimize(objective, n_trials=200)  # Adjust the number of trials as necessary
    # Output the optimization results
    print(f"Best trial average AUC: {study.best_value:.4f}")
    print(study.best_params)
    for key, value in study.best_params.items():
        print(f"{key}: {value}")

LightGBM等模型试用的场景都可以直接使用。

1. https://www.kaggle.com/code/yunqicao/2nd-place-solution-steel-plate-defect-prediction

2. https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.HistGradientBoostingClassifier.html

THE END !

文章结束，感谢阅读。您的点赞，收藏，评论是我继续更新的动力。 大家有推荐的公众号可以评论区留言，共同学习，一起进步。