লাইটজিবিএম
লাইটজিবিএম হলো মাইক্রোসফটের গ্রেডিয়েন্ট বুস্টিং ডিসিশন ট্রি ইমপ্লিমেন্টেশন, যা ২০১৭ সালে কে এবং সহকর্মীদের দ্বারা প্রবর্তিত হয়েছিল। এটি পাতা-ভিত্তিক (leaf-wise) ভাবে ট্রি তৈরি করে এবং দ্রুততার জন্য ফিচারগুলোকে হিস্টোগ্রামে বিন করে। বড় ডেটাসেটে এটি এক্সজিবিউস্টের (XGBoost) চেয়ে অনেক দ্রুত কাজ করে এবং শক্তিশালী ভবিষ্যদ্বাণীমূলক নির্ভুলতা বজায় রাখে।
পুরো পদ্ধতিটি পড়ুন
এই অংশটি পড়তে বিনামূল্যের অ্যাকাউন্ট দিয়ে সাইন ইন করুন।
Method map
The neighbourhood of related methods — select a node to explore.
+7 more
উৎস
- 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 ↗
এই পৃষ্ঠা কীভাবে উদ্ধৃত করবেন
ScholarGate. (2026, June 1). Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/bn/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.
- সিদ্ধান্ত বৃক্ষযন্ত্র শিখন↔ compare
- আইসোলেশন ফরেস্টযন্ত্র শিখন↔ compare
- লজিস্টিক রিগ্রেশনগবেষণা পরিসংখ্যান↔ compare
- Random Forestযন্ত্র শিখন↔ compare
- XGBoostযন্ত্র শিখন↔ compare
যেখানে উদ্ধৃত
এই পৃষ্ঠায় কোনো ত্রুটি চোখে পড়েছে? জানান বা সংশোধনের প্রস্তাব দিন →