LightGBM
LightGBM ist Microsofts Implementierung von Gradient Boosting Decision Trees, die 2017 von Ke und Kollegen eingeführt wurde. Sie wächst Bäume blattweise und bündelt Merkmale in Histogrammen zur Beschleunigung. Auf großen Datensätzen ist sie deutlich schneller als XGBoost, während sie eine starke prädiktive Genauigkeit beibehält.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
+7 more
Quellen
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 1). Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/de/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.
- EntscheidungsbaumMaschinelles Lernen↔ compare
- Isolation ForestMaschinelles Lernen↔ compare
- Logistische RegressionForschungsstatistik↔ compare
- Random ForestMaschinelles Lernen↔ compare
- XGBoostMaschinelles Lernen↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →