LightGBM
LightGBM is Microsoft's implementatie van gradient boosting decision trees, geïntroduceerd door Ke en collega's in 2017, die bomen 'leaf-wise' groeit en features in histogrammen groepeert voor snelheid. Op grote datasets is het veel sneller dan XGBoost met behoud van sterke voorspellende nauwkeurigheid.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
+7 more
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 1). Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/nl/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.
- BeslisboomMachine learning↔ compare
- Isolation ForestMachine learning↔ compare
- Logistische RegressieOnderzoeksstatistiek↔ compare
- Random ForestMachine learning↔ compare
- XGBoostMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →