LightGBM
LightGBM е имплементация на градиентен бустинг с дървета на решенията от Microsoft, представена от Ke и колеги през 2017 г., която расте дърветата по листа (leaf-wise) и групира признаците в хистограми за скорост. При големи набори от данни е много по-бърз от XGBoost, като същевременно запазва висока предсказваща точност.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+7 more
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. Advances in Neural Information Processing Systems (NeurIPS) 30, 3146–3154. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 1). Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/bg/machine-learning/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.
- Дърво на решениятаМашинно обучение↔ compare
- Isolation ForestМашинно обучение↔ compare
- Логистична регресияСтатистика за изследвания↔ compare
- Случайна гораМашинно обучение↔ compare
- XGBoostМашинно обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →