Machine learningMachine learning
正則化LightGBM
正規化LightGBMは、Microsoftの非常に効率的な勾配ブースティングフレームワークであるLightGBMのリーフ重み目的関数にL1（ラッソ）およびL2（リッジ）ペナルティ項を適用し、モデルの複雑さを制御し、過学習を削減し、高次元またはノイズの多い特徴セットを持つ表形式の分類および回帰タスクでの汎化性能を向上させます。
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.
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, 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Regularized Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/ja/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.
- CatBoost機械学習↔ compare
- 勾配ブースティング機械学習↔ compare
- LightGBM機械学習↔ compare
- 正則化勾配ブースティング機械学習↔ compare
- XGBoost機械学習↔ compare