Por qué la importancia de variables por defecto en boosting induce a error
Útil para
Un ingeniero de ML usó feature_importances_ de LightGBM para seleccionar variables en un agente autónomo de datos tabulares. El agente eliminó variables útiles y dejó un ID de cliente aleatorio entre las cuatro más importantes, y el RMSE empeoró. El artículo explica los sesgos de la importancia MDI y evalúa TreeSHAP con experimentos.
Qué significa
Quien selecciona variables con la importancia por defecto de LightGBM puede descartar predictores útiles y conservar ruido, como los identificadores, con el consiguiente deterioro del modelo. El artículo presenta TreeSHAP como alternativa más fiable.
Fuentes originales
Resumen de Hoy en IA. Pulsa una fuente para leer la noticia completa en su idioma original.
- Habr Machine Learning (RU)Leer la noticia completa en Habr Machine Learning (RU)