LightGBM
LightGBM és la implementació de Microsoft de l'arbre de decisió de gradient boosting, introduïda per Ke i col·laboradors el 2017, que construeix arbres fulla a fulla i agrupa característiques en histogrames per a la velocitat. En conjunts de dades grans és molt més ràpid que XGBoost, tot conservant una forta precisió predictiva.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
+7 more
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 1). Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/ca/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.
- Arbre de decisióAprenentatge automàtic↔ compare
- Isolation ForestAprenentatge automàtic↔ compare
- Regressió LogísticaEstadística per a la recerca↔ compare
- Random ForestAprenentatge automàtic↔ compare
- XGBoostAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →