LightGBMLSS - LightGBM概率建模扩展

我们推出了一个全面的框架，可以将单变量目标的完整条件分布作为协变量的函数进行建模和预测。通过选择广泛的连续、离散和混合离散-连续分布，对整个条件分布进行建模和预测大大提高了LightGBM的灵活性，因为它允许创建概率预测，从中可以得出感兴趣的预测区间和分位数。

`特性`

:white_check_mark: 估计所有分布参数。
:white_check_mark: 规范化流允许建模复杂和多模态分布。
:white_check_mark: 混合密度可以建模各种数据特征。
:white_check_mark: 零调整和零膨胀分布用于建模数据中过多的零值。
:white_check_mark: 使用PyTorch自动推导所有分布参数的梯度和海森矩阵。
:white_check_mark: 通过Optuna进行自动超参数搜索，包括剪枝。
:white_check_mark: 使用SHapley Additive exPlanations解释LightGBMLSS的输出。
:white_check_mark: LightGBMLSS与LightGBM的所有特性和功能完全兼容。
:white_check_mark: LightGBMLSS可在Python中使用。

`新闻`

:boom: [2024-01-19] LightGBMLSS发布到PyPI。
:boom: [2023-08-28] v0.4.0版本发布，引入混合密度。查看发布说明了解概况。
:boom: [2023-07-20] v0.3.0版本发布，引入标准化流。查看发布说明了解概况。
:boom: [2023-06-22] v0.2.2版本发布。查看发布说明了解概况。
:boom: [2023-06-15] LightGBMLSS现在支持零膨胀和零调整分布。
:boom: [2023-05-26] v0.2.1版本发布。查看发布说明了解概况。
:boom: [2023-05-23] v0.2.0版本发布。查看发布说明了解概况。
:boom: [2022-01-05] LightGBMLSS现在支持通过分位数回归估计完整的预测分布。
:boom: [2022-01-05] LightGBMLSS现在支持自动推导梯度和海森矩阵。
:boom: [2022-01-04] LightGBMLSS使用适当的初始值进行初始化，以改善估计的收敛性。
:boom: [2022-01-04] LightGBMLSS v0.1.0发布！

`安装`

要安装开发版本，请使用

pip install git+https://github.com/StatMixedML/LightGBMLSS.git

对于PyPI版本，请使用

pip install lightgbmlss

`可用分布`

我们的框架基于PyTorch和Pyro构建，使用户能够利用多样化的分布族。LightGBMLSS目前支持以下分布。

`如何使用`

请访问示例部分了解如何使用该框架的指导。

`文档`

欲了解更多信息和背景，请访问文档。

`反馈`

我们鼓励您通过开启新讨论提供关于如何改进LightGBMLSS或请求实现其他分布的反馈。

`如何引用`

如果您在研究中使用LightGBMLSS，请按以下方式引用：

@misc{Maerz2023,
  author = {Alexander M\"arz},
  title = {{LightGBMLSS: An Extension of LightGBM to Probabilistic Modelling}},
  year = {2023},
  note = {GitHub repository, Version 0.4.0},
  howpublished = {\url{https://github.com/StatMixedML/LightGBMLSS}}
}

LightGBMLSS