Bayesian LightGBM
Bayesian LightGBM комбинира LightGBM — високоефективна базирана на хистограми рамка за градиентно усилване — с байесова оптимизация на хиперпараметрите. Вместо изчерпателно търсене в решетка или случайно търсене, вероятностен сурогатен модел направлява търсенето на оптимални хиперпараметри, драстично намалявайки броя на скъпите оценки на модела, необходими за постигане на силна предсказваща производителност.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., Ye, Q., & Liu, T.-Y. (2017). LightGBM: A highly efficient gradient boosting decision tree. In Advances in Neural Information Processing Systems, 30, 3146–3154. link ↗
- Snoek, J., Larochelle, H., & Adams, R. P. (2012). Practical Bayesian optimization of machine learning algorithms. In Advances in Neural Information Processing Systems, 25, 2951–2959. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). LightGBM with Bayesian Hyperparameter Optimization. ScholarGate. https://scholargate.app/bg/machine-learning/bayesian-lightgbm
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Байесов XGBoostМашинно обучение↔ compare
- Градиентен бустингМашинно обучение↔ compare
- LightGBMМашинно обучение↔ compare
- Случайна гораМашинно обучение↔ compare
- XGBoostМашинно обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →