Machine learningMachine learning
LightGBM מווסת (Regularized LightGBM)
LightGBM מווסת מיישם עונשי L1 (לאסו) ו-L2 (רכס) על פונקציית המטרה של משקולות העלים ב-LightGBM – מסגרת ה-gradient boosting היעילה ביותר של מיקרוסופט – כדי לשלוט במורכבות המודל, להפחית התאמת-יתר (overfitting) ולשפר את ההכללה (generalization) במשימות סיווג ורגרסיה טבלאיות עם מערכי תכונות (feature sets) במימד גבוה או רועשים.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
מקורות
- 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, 30, 3146–3154. link ↗
- Chen, T., & Guestrin, C. (2016). XGBoost: A scalable tree boosting system. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 785–794. DOI: 10.1145/2939672.2939785 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 3). Regularized Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/he/machine-learning/regularized-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.
- CatBoostלמידת מכונה↔ compare
- גרדיאנט בוסטינגלמידת מכונה↔ compare
- LightGBMלמידת מכונה↔ compare
- הגברת גרדיאנט מוסדרתלמידת מכונה↔ compare
- XGBoostלמידת מכונה↔ compare