Machine learning
LightGBM
LightGBMは、Microsoftが開発した勾配ブースティング決定木の実装であり、2017年にKeらが発表しました。これは、葉ごとに木を成長させ、特徴量をヒストグラムにビン分割することで高速化を図っています。大規模データセットにおいては、XGBoostよりもはるかに高速でありながら、高い予測精度を維持します。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
+7 more
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 1). Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/ja/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.
- 決定木機械学習↔ compare
- アイソレーションフォレスト機械学習↔ compare
- ロジスティック回帰研究統計↔ compare
- ランダムフォレスト機械学習↔ compare
- XGBoost機械学習↔ compare