LightGBM
LightGBM on Microsoftin vuonna 2017 Ke:n ja kollegoiden esittelemä gradienttivahvistuspäätöspuu-toteutus, joka kasvattaa puita lehtikohtaisesti ja binääristää piirteet histogrammeiksi nopeuden vuoksi. Suurilla aineistoilla se on huomattavasti nopeampi kuin XGBoost säilyttäen samalla vahvan ennustustarkkuuden.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
+7 more
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/fi/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.
- PäätöspuuKoneoppiminen↔ compare
- Isolation ForestKoneoppiminen↔ compare
- Logistinen regressioTutkimuksen tilastomenetelmät↔ compare
- Random ForestKoneoppiminen↔ compare
- XGBoostKoneoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →