Machine learning

LightGBM

LightGBM은 Microsoft의 그래디언트 부스팅 결정 트리 구현으로, 2017년 Ke와 동료들이 소개했으며, 트리를 리프 단위로 성장시키고 특징을 히스토그램으로 빈화하여 속도를 높입니다. 대규모 데이터셋에서는 XGBoost보다 훨씬 빠르면서도 강력한 예측 정확도를 유지합니다.

MethodMind에서 열기곧 제공동영상곧 제공Download slides

방법 전문 읽기

회원 전용

무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.

로그인

Method map

The neighbourhood of related methods — select a node to explore.

LightGBM

결정 트리 Isolation Forest 로지스틱 회귀 랜덤 포레스트 XGBoost 능동 학습 LightGBM Bayesian LightGBM 베이지안 XGBoost Ensemble Gradient Boosti…그래디언트 부스팅

+7 more

출처

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 ↗

이 페이지 인용 방법

ScholarGate. (2026, June 1). Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/ko/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.

Compare side by side →

이 방법을 참조하는 항목

능동 학습 LightGBM Bayesian LightGBM 베이지안 XGBoost Ensemble Gradient Boosting 그래디언트 부스팅 온라인 LightGBM 정규화된 경사 부스팅 정규화된 LightGBM Robust LightGBM 자기 지도 학습 기반 그래디언트 부스팅 자가 지도 학습 LightGBM 준지도학습 LightGBM

이 페이지에서 오류를 발견하셨나요? 신고하거나 수정을 제안하세요 →

방법 전문 읽기

Method map

출처

이 페이지 인용 방법

관련 방법

Which method?

이 방법을 참조하는 항목