LightGBM
LightGBM ir Microsoft izstrādāts gradientu pastiprināšanas lēmumu koku (gradient boosting decision tree) implementācija, ko 2017. gadā ieviesa Ke ar kolēģiem. Tā veido kokus lapu-lapu (leaf-wise) veidā un grupē iezīmes histogrammās ātruma nolūkos. Lieliem datu kopumiem tā ir ievērojami ātrāka nekā XGBoost, vienlaikus saglabājot spēcīgu prognozēšanas precizitāti.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+7 more
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 1). Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/lv/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.
- Koku lēmumu pieņemšana (Decision Tree)Mašīnmācīšanās↔ compare
- Isolation ForestMašīnmācīšanās↔ compare
- Logistiskā regresijaPētniecības statistika↔ compare
- Random ForestMašīnmācīšanās↔ compare
- XGBoostMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →