まとめ: LightGBM で多クラス分類するとき、 例えばアヤメの 3 クラス分類なら LightGBM は 1 ラウンドごとに 3 本の木を構築し、それぞれの木は「セトーサらしさのスコア」「バーシカラーらしさのスコア」「バージニカらしさのスコア」を前ラウンドまでの累積スコアからどれだけ変動させるかを出力する。最終的に各ラベルらしい確率を出力するときは、各ラベルらしさの累積スコアが Softmax される。 木の訓練時には交差エントロピー損失が最も減る分岐を探索するが、このとき厳密に損失を計算するのではなく、前ラウンドまでの累積スコアの周りでの 2 次までのテイラー近似 (のヘッセ行列の非対…