XGBoost vs. lightBGM

	XGBoost	LightGBM
속도	상대적으로 느림	빠름 (2~10배)
메모리	많이 씀	적게 씀
과적합	상대적으로 강함	소규모 데이터에서 취약
데이터 크기	중소형에 적합	대용량에 강함
튜닝 난이도	비교적 쉬움	파라미터 더 많음

Boosting

XGBoost (eXtream Gradient Boosting)

LightGBM

CatBoost

SHAP (SHapley Additive exPlanations)

TreeExplainer, DeepExplainer, GradientExplinter, LinerExplainer는 모델의 구조 또는 파라미터를 활용하기 때문에 model-specific하다
DeepExplainer및 GradientExplainer는 딥러닝 프레임워크인 TensorFlow/Keras 및 PyTorch에서만 동작한다.

Reference.

https://velog.io/@tobigs_xai/2주차-SHAP-SHapley-Additive-exPlanation