docs(10_Wiki): 위키 전체 재구성 — Topic_* 폴더를 4개 카테고리로 통합 + 대규모 중복 제거
Topic_Agent/Topic_Blog/Topics/Topics_Biz/Topics_Meeting/Topics_Rag의 마크다운 지식 문서를 Topic_General/Topic_Programming/Topic_Graphic/Topic_Business 4개 카테고리로 재분류. - 중복 제거: frontmatter의 status:duplicate/merged + duplicate_of/redirect_to 필드로 자기 자신을 중복으로 선언한 리다이렉트 stub 1032개 제거, 완전 동일 내용 파일 472개 제거, 동일 파일명·다른 내용 충돌 시 더 큰(완전한) 버전만 유지(162개 제거) — 총 1639개 중복 제거. - 분류: 폴더 단위로 명확한 항목(AI_and_ML/Coding/Architecture 등 → Programming, Comfyui/Visual_Effects → Graphic, Topics_Biz/Topics_Meeting/사업 등 → Business, Poetic_Blog_Writing/창의성/Game_Design 등 → General)은 폴더 우선순위로, 나머지 혼재 폴더(Topic_Agent/Topic_Blog/Topics 루트/Thinking & Reasoning/Other/UI_UX_Assets)는 title/tags 키워드 스코어링으로 파일 단위 분류(불명확한 경우 General로 폴백). 원본 폴더명은 "From_*" 서브폴더로 보존해 추적 가능성 유지. - 최종 배치: Programming 2784 / General 1608 / Graphic 285 / Business 249 = 4926개 문서. - 에이전트 운영 상태(.astra/.agent/.obsidian/sessions/memory/_company/docs/lessons/_shared/src)는 지식 콘텐츠가 아니므로 재분류 대상에서 제외하고 원위치 유지. - Topics/Topic_email(상위 보호 폴더 Topic_email과 파일명 100% 중복) 삭제 — 보호 폴더 자체는 미변경. - 완전히 비게 된 Topic_Agent/Topic_Blog/Topics_Biz/Topics_Rag 폴더 제거.
This commit is contained in:
Antigravity Agent
@@ -0,0 +1,288 @@
|
||||
---
|
||||
id: wiki-2026-0508-boosting-xgboost-lightgbm
|
||||
title: Boosting Algorithms (XGBoost / LightGBM / CatBoost)
|
||||
category: 10_Wiki/Topics
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [boosting, gradient boosting, GBM, XGBoost, LightGBM, CatBoost, AdaBoost, ensemble]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.95
|
||||
verification_status: applied
|
||||
tags: [ml, boosting, xgboost, lightgbm, catboost, ensemble, tabular-data, kaggle, gradient-boosting]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
tech_stack:
|
||||
language: Python
|
||||
framework: XGBoost / LightGBM / CatBoost / scikit-learn
|
||||
---
|
||||
|
||||
# Boosting Algorithms
|
||||
|
||||
## 📌 한 줄 통찰
|
||||
> **"매 오답 노트 의 군단"**. 매 weak learner 의 sequential 학습 + 매 previous error 의 weight ↑. 매 tabular data 의 still-king (vs deep learning). 매 Kaggle 의 default. 매 XGBoost / LightGBM / CatBoost 의 trinity.
|
||||
|
||||
## 📖 핵심
|
||||
|
||||
### 매 algorithm history
|
||||
1. **AdaBoost** (1995): 매 weighted re-sample.
|
||||
2. **Gradient Boosting** (Friedman 1999): 매 residual fit.
|
||||
3. **XGBoost** (2014): 매 regularization + parallel.
|
||||
4. **LightGBM** (2017): 매 GOSS + EFB.
|
||||
5. **CatBoost** (2017): 매 ordered boosting + categorical.
|
||||
|
||||
### Gradient Boosting Machine (GBM) 의 origin
|
||||
- 매 model 의 sequential 추가.
|
||||
- 매 each step: 매 negative gradient (residual) 의 fit.
|
||||
- 매 stage-wise.
|
||||
|
||||
### XGBoost (Extreme GBoost)
|
||||
- 매 regularization (L1, L2) on leaf weight.
|
||||
- 매 second-order Taylor expansion.
|
||||
- 매 sparse-aware.
|
||||
- 매 parallel computing (per feature).
|
||||
- 매 missing value handling.
|
||||
- 매 cache-aware.
|
||||
|
||||
### LightGBM (Microsoft)
|
||||
- **GOSS** (Gradient-based One-Side Sampling): 매 high-gradient sample 의 keep.
|
||||
- **EFB** (Exclusive Feature Bundling): 매 sparse feature 의 merge.
|
||||
- 매 leaf-wise (vs level-wise) → 매 deeper.
|
||||
- 매 fastest, 매 large dataset friendly.
|
||||
|
||||
### CatBoost (Yandex)
|
||||
- 매 categorical feature 의 native.
|
||||
- 매 ordered boosting → 매 target leakage 의 mitigate.
|
||||
- 매 GPU support.
|
||||
- 매 default 가 좋음.
|
||||
|
||||
### 매 hyperparameter (cross-tool)
|
||||
|
||||
#### Tree
|
||||
- `max_depth` (XGBoost) / `num_leaves` (LightGBM): 매 5-10.
|
||||
- `min_child_weight` / `min_data_in_leaf`: 매 over-fit 방지.
|
||||
|
||||
#### Learning
|
||||
- `learning_rate` (η): 매 0.01-0.3. 매 작 → 매 N tree ↑.
|
||||
- `n_estimators` / `num_boost_round`: 매 100-10000.
|
||||
- `subsample`: 매 row sample (0.7-1.0).
|
||||
- `colsample_bytree`: 매 feature sample.
|
||||
|
||||
#### Regularization
|
||||
- `reg_alpha` (L1): 매 sparsity.
|
||||
- `reg_lambda` (L2): 매 weight ↓.
|
||||
- `gamma` / `min_split_loss`: 매 split threshold.
|
||||
|
||||
### 매 over-fit 방지
|
||||
- **Early stopping**: 매 validation 의 plateau.
|
||||
- **Low learning rate + many trees**: 매 best practice.
|
||||
- **Subsample row + col**.
|
||||
- **Regularization** (reg_alpha, reg_lambda).
|
||||
- **Max depth limit**.
|
||||
- **Min child weight**.
|
||||
|
||||
### 매 tabular dominance (vs DL)
|
||||
- 매 small-medium tabular: 매 boosting > NN.
|
||||
- 매 categorical / mixed: 매 CatBoost win.
|
||||
- 매 large tabular: 매 LightGBM 의 fast.
|
||||
- 매 image / text / audio: 매 NN dominant.
|
||||
- 매 reason: 매 tabular 의 invariance / spatial 의 X.
|
||||
|
||||
### 매 modern competitor
|
||||
- **TabNet, FT-Transformer**: 매 tabular NN.
|
||||
- 매 close 가, 매 boosting 의 still match.
|
||||
- 매 Kaggle 2024-2026: 매 LightGBM + ensemble 의 dominant.
|
||||
|
||||
## 💻 패턴
|
||||
|
||||
### XGBoost (basic)
|
||||
```python
|
||||
import xgboost as xgb
|
||||
from sklearn.model_selection import train_test_split
|
||||
|
||||
X_train, X_val, y_train, y_val = train_test_split(X, y, test_size=0.2, random_state=42)
|
||||
|
||||
model = xgb.XGBClassifier(
|
||||
n_estimators=1000,
|
||||
learning_rate=0.05,
|
||||
max_depth=6,
|
||||
min_child_weight=3,
|
||||
subsample=0.8,
|
||||
colsample_bytree=0.8,
|
||||
reg_alpha=0.1,
|
||||
reg_lambda=1.0,
|
||||
objective='binary:logistic',
|
||||
eval_metric='auc',
|
||||
early_stopping_rounds=50,
|
||||
n_jobs=-1,
|
||||
random_state=42,
|
||||
)
|
||||
|
||||
model.fit(X_train, y_train, eval_set=[(X_val, y_val)], verbose=100)
|
||||
preds = model.predict_proba(X_test)[:, 1]
|
||||
```
|
||||
|
||||
### LightGBM (fast)
|
||||
```python
|
||||
import lightgbm as lgb
|
||||
|
||||
model = lgb.LGBMClassifier(
|
||||
n_estimators=2000,
|
||||
learning_rate=0.03,
|
||||
num_leaves=63, # 매 2^max_depth - 1
|
||||
min_child_samples=20,
|
||||
feature_fraction=0.8,
|
||||
bagging_fraction=0.8,
|
||||
bagging_freq=5,
|
||||
reg_alpha=0.1,
|
||||
reg_lambda=0.1,
|
||||
objective='binary',
|
||||
metric='auc',
|
||||
n_jobs=-1,
|
||||
random_state=42,
|
||||
)
|
||||
|
||||
model.fit(
|
||||
X_train, y_train,
|
||||
eval_set=[(X_val, y_val)],
|
||||
callbacks=[lgb.early_stopping(50), lgb.log_evaluation(100)],
|
||||
)
|
||||
```
|
||||
|
||||
### CatBoost (categorical-friendly)
|
||||
```python
|
||||
from catboost import CatBoostClassifier
|
||||
|
||||
cat_features = ['gender', 'country', 'product_id']
|
||||
|
||||
model = CatBoostClassifier(
|
||||
iterations=2000,
|
||||
learning_rate=0.03,
|
||||
depth=6,
|
||||
l2_leaf_reg=3,
|
||||
cat_features=cat_features,
|
||||
eval_metric='AUC',
|
||||
early_stopping_rounds=50,
|
||||
random_seed=42,
|
||||
verbose=100,
|
||||
)
|
||||
|
||||
model.fit(X_train, y_train, eval_set=(X_val, y_val))
|
||||
```
|
||||
|
||||
### Hyperparameter tune (Optuna)
|
||||
```python
|
||||
import optuna
|
||||
|
||||
def objective(trial):
|
||||
params = {
|
||||
'n_estimators': 5000,
|
||||
'learning_rate': trial.suggest_float('lr', 0.01, 0.1, log=True),
|
||||
'num_leaves': trial.suggest_int('num_leaves', 16, 256),
|
||||
'min_child_samples': trial.suggest_int('mcs', 5, 100),
|
||||
'feature_fraction': trial.suggest_float('ff', 0.5, 1.0),
|
||||
'bagging_fraction': trial.suggest_float('bf', 0.5, 1.0),
|
||||
'reg_alpha': trial.suggest_float('reg_alpha', 1e-3, 10, log=True),
|
||||
'reg_lambda': trial.suggest_float('reg_lambda', 1e-3, 10, log=True),
|
||||
}
|
||||
model = lgb.LGBMClassifier(**params, n_jobs=-1, random_state=42)
|
||||
model.fit(X_train, y_train, eval_set=[(X_val, y_val)],
|
||||
callbacks=[lgb.early_stopping(50, verbose=False)])
|
||||
return model.best_score_['valid_0']['auc']
|
||||
|
||||
study = optuna.create_study(direction='maximize')
|
||||
study.optimize(objective, n_trials=100)
|
||||
```
|
||||
|
||||
### SHAP (interpretability)
|
||||
```python
|
||||
import shap
|
||||
|
||||
explainer = shap.TreeExplainer(model)
|
||||
shap_values = explainer.shap_values(X_test)
|
||||
|
||||
# 매 global importance
|
||||
shap.summary_plot(shap_values, X_test)
|
||||
|
||||
# 매 single prediction
|
||||
shap.force_plot(explainer.expected_value, shap_values[0], X_test.iloc[0])
|
||||
```
|
||||
|
||||
### Stacking (meta-ensemble)
|
||||
```python
|
||||
from sklearn.ensemble import StackingClassifier
|
||||
from sklearn.linear_model import LogisticRegression
|
||||
|
||||
estimators = [
|
||||
('xgb', xgb.XGBClassifier(...)),
|
||||
('lgb', lgb.LGBMClassifier(...)),
|
||||
('cat', CatBoostClassifier(...)),
|
||||
]
|
||||
|
||||
stack = StackingClassifier(
|
||||
estimators=estimators,
|
||||
final_estimator=LogisticRegression(),
|
||||
cv=5,
|
||||
n_jobs=-1,
|
||||
)
|
||||
stack.fit(X_train, y_train)
|
||||
```
|
||||
|
||||
→ 매 Kaggle 의 default 의 winning combo.
|
||||
|
||||
### GPU acceleration
|
||||
```python
|
||||
# XGBoost GPU
|
||||
xgb.XGBClassifier(tree_method='hist', device='cuda')
|
||||
|
||||
# LightGBM GPU
|
||||
lgb.LGBMClassifier(device='gpu')
|
||||
|
||||
# CatBoost GPU
|
||||
CatBoostClassifier(task_type='GPU', devices='0')
|
||||
```
|
||||
|
||||
## 🤔 결정 기준
|
||||
| 상황 | Tool |
|
||||
|---|---|
|
||||
| Default tabular | LightGBM |
|
||||
| Small-medium dataset | XGBoost |
|
||||
| Categorical-heavy | CatBoost |
|
||||
| Large dataset (10M+) | LightGBM (GOSS) |
|
||||
| GPU available | XGBoost / CatBoost GPU |
|
||||
| Kaggle | LightGBM + ensemble |
|
||||
| Production simple | LightGBM (fast) |
|
||||
| Interpretability | XGBoost + SHAP |
|
||||
|
||||
**기본값**: LightGBM 의 baseline. 매 categorical 가 CatBoost. 매 ensemble 의 stack.
|
||||
|
||||
## 🔗 Graph
|
||||
- 부모: [[Ensemble-Methods]] · [[Decision Tree]] · [[데이터 사이언스 및 ML 엔지니어링|Gradient-Descent]]
|
||||
- 변형: [[XGBoost]] · [[LightGBM]] · [[CatBoost]] · [[AdaBoost]] · [[GBM]]
|
||||
- 응용: [[Kaggle]] · [[SHAP]] · [[Stacking]]
|
||||
- Adjacent: [[Random-Forest]] · [[Bagging]] · [[Bias vs Variance Trade-off]] · [[Optuna]]
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**: 매 tabular task. 매 fraud detection. 매 Kaggle. 매 risk scoring. 매 conversion prediction.
|
||||
**언제 X**: 매 image / text / audio (DL). 매 sequence (RNN / Transformer).
|
||||
|
||||
## ❌ 안티패턴
|
||||
- **No early stopping**: 매 overfit.
|
||||
- **High learning rate (0.5+)**: 매 unstable.
|
||||
- **Default 의 trust**: 매 specific 의 tune.
|
||||
- **Categorical 의 one-hot (high-cardinality)**: 매 CatBoost 의 lose.
|
||||
- **No SHAP**: 매 interpret X.
|
||||
- **DL 의 force on tabular**: 매 boosting 의 lose.
|
||||
- **Single tool**: 매 ensemble 의 lose.
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified (Chen XGBoost, Ke LightGBM, Prokhorenkova CatBoost, Kaggle dominance).
|
||||
- 신뢰도 A.
|
||||
- Related: [[XGBoost]] · [[LightGBM]] · [[CatBoost]] · [[Random-Forest]] · [[Bias vs Variance Trade-off]].
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup — XGB / LGB / Cat + hyperparameter + 매 SHAP + stacking + tune code |
|
||||
Reference in New Issue
Block a user