LightGBM
A LightGBM a Microsoft gradienskiemelkedéses döntési fa implementációja, amelyet Ke és kollégái vezettek be 2017-ben. Ez a faágakat levélenként növeszti, és a gyorsaság érdekében a jellemzőket hisztogramokba csoportosítja. Nagy adathalmazokon sokkal gyorsabb, mint az XGBoost, miközben megőrzi az erős prediktív pontosságot.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
+7 more
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 1). Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/hu/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.
- Döntési faGépi tanulás↔ compare
- Isolation ForestGépi tanulás↔ compare
- Logistic RegressionKutatási statisztika↔ compare
- Véletlen erdőGépi tanulás↔ compare
- XGBoostGépi tanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →