NGBoost：用于概率预测的自然梯度提升

ngboost是一个Python库，实现了自然梯度提升，如"NGBoost：用于概率预测的自然梯度提升"中所述。它基于Scikit-Learn构建，旨在根据选择适当的评分规则、分布和基学习器进行可扩展和模块化。NGBoost背后的方法学介绍可在以下幻灯片中找到。

安装

via pip

pip install --upgrade ngboost

via conda-forge

conda install -c conda-forge ngboost

使用

在波士顿房价数据集上的概率回归示例

from ngboost import NGBRegressor

from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error

X, Y = load_boston(True)
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.2)

ngb = NGBRegressor().fit(X_train, Y_train)
Y_preds = ngb.predict(X_test)
Y_dists = ngb.pred_dist(X_test)

# test Mean Squared Error
test_MSE = mean_squared_error(Y_preds, Y_test)
print('Test MSE', test_MSE)

# test Negative Log Likelihood
test_NLL = -Y_dists.logpdf(Y_test).mean()
print('Test NLL', test_NLL)

有关可用分布、评分规则、学习器、调整和模型解释的详细信息，请参阅我们的用户指南，其中还包括许多使用示例以及如何将新分布或评分添加到NGBoost的信息。

许可证

Apache License 2.0.

参考文献

Tony Duan, Anand Avati, Daisy Yi Ding, Khanh K. Thai, Sanjay Basu, Andrew Y. Ng, Alejandro Schuler. 2019. NGBoost: Natural Gradient Boosting for Probabilistic Prediction. arXiv