← 比較一覧に戻る

LightGBM 機械学習

lightgbm (Python) · Ecoemon想定・工場電力(30分)
Microsoft 発の勾配ブースティング。XGBoost と同系統で、外生変数列があれば特徴量に使う。
ラグ+カレンダー+CSV外生変数(あれば) / 予測値は0未満をクリップ / 外生変数列を特徴量に使用(将来予測は最終値の持ち越し)

予測結果(実測値・予測値・信頼区間)

精度メトリクス(ホールドアウト評価)

RMSEMAEMAPE
9.24 7.40 9.00%

他のモデルを見る

モデル種別
ARIMA 統計モデル 詳細 →
SARIMA 統計モデル 詳細 →
SARIMAX 統計モデル 詳細 →
Prophet 統計モデル 詳細 →
Holt-Winters 統計モデル 詳細 →
AutoARIMA (Nixtla) 統計モデル 詳細 →
AutoETS (Nixtla) 統計モデル 詳細 →
Chronos-Bolt 機械学習 詳細 →
Neural Net (MLP) 機械学習 詳細 →
XGBoost 機械学習 詳細 →
LightGBM 機械学習 表示中
Random Forest 機械学習 詳細 →