LightGBM
Το LightGBM είναι η υλοποίηση δέντρων αποφάσεων ενίσχυσης κλίσης (gradient boosting decision tree) της Microsoft, που εισήχθη από τον Ke και τους συνεργάτες του το 2017, η οποία αναπτύσσει δέντρα κατά φύλλο (leaf-wise) και ομαδοποιεί χαρακτηριστικά σε ιστογράμματα για ταχύτητα. Σε μεγάλα σύνολα δεδομένων είναι πολύ ταχύτερο από το XGBoost, διατηρώντας παράλληλα ισχυρή προγνωστική ακρίβεια.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
+7 more
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 1). Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/el/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.
- Δέντρο ΑποφάσεωνΜηχανική Μάθηση↔ compare
- Isolation ForestΜηχανική Μάθηση↔ compare
- Λογιστική ΠαλινδρόμησηΕρευνητική Στατιστική↔ compare
- Τυχαίο ΔάσοςΜηχανική Μάθηση↔ compare
- XGBoostΜηχανική Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →