LightGBM対XGBoost

私はどちらが優れているかを理解しようとしています（より正確に、特に分類の問題で）

LightGBMとXGBoostを比較する記事を検索しましたが、2つしか見つかりませんでした。

1. https://medium.com/implodinggradients/benchmarking-lightgbm-how-fast-is-lightgbm-vs-xgboost-15d224568031-これは速度のみであり、精度ではありません。
2. https://github.com/Microsoft/LightGBM/wiki/Experiments-LightGBMの著者によるものであり、LightGBMがそこに勝つことは驚きではありません。

私のテストでは、両方のアルゴリズムでほぼ同じAUCを取得していますが、LightGBMは2〜5倍高速で実行されます。

LGBMがとてもクールなら、こことKaggleであまり聞いていないのはなぜですか:)

LightGBMは、XGBoostに似ていますが、いくつかの特定の方法、特にツリーの作成方法が異なる優れた実装です。

いくつかの異なるパラメーターを提供しますが、それらのほとんどはXGBoostのパラメーターに非常に似ています。

同じパラメーターを使用すると、ほとんどの場合、非常に近いスコアが得られます。ほとんどの場合、トレーニングは2〜10倍速くなります。

なぜもっと多くの人がそれを使用しないのですか？

XGBoostは以前より長く使用されており、すでに多くのマシンにインストールされています。LightGBMはかなり新しく、最初はPythonラッパーがありませんでした。現在のバージョンはインストールと使用が簡単なので、ここに障害はありません。

Kaggleや同様のサイトの上級ユーザーの多くはすでにLightGBMを使用しており、新しい競争のたびに、より多くの報道を受けています。それでも、スタータースクリプトは多くの場合XGBoostに基づいていますが、これは人々が古いコードを再利用していくつかのパラメーターを調整するだけだからです。これを使用する方法に関するチュートリアルとガイドがさらにいくつかあると、これが増えると確信しています（ScikitLearn以外のガイドのほとんどは現在XGBoostまたはニューラルネットワークに焦点を当てています）。

XGBoostには、LightGBMが使用するものと同様のツリー成長用のヒストグラムビニングオプションがあります。アルゴリズムはまったく同じではありませんが、ほぼ同じレベルの高速化と同様の精度特性を提供します。

ここにいくつかのプロットと表があり、それらがどのように互いに重なり合っているかを示しています。 https://github.com/dmlc/xgboost/issues/1950

公平を期すために、LightGBMは独自のパフォーマンステストを引用しますが、XGBoost（hist）をまだエッジングしていることを示しています。 https://github.com/Microsoft/LightGBM/blob/master/docs/Experiments.rst#comparison-experiment