LightGBM
LightGBM é a implementação de árvore de decisão com gradient boosting da Microsoft, introduzida por Ke e colegas em 2017, que constrói árvores folha a folha (leaf-wise) e agrupa características em histogramas para velocidade. Em grandes conjuntos de dados, é muito mais rápido que o XGBoost, mantendo uma forte precisão preditiva.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
+7 more
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 1). Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/pt/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.
- Árvore de DecisãoAprendizado de máquina↔ compare
- Isolation ForestAprendizado de máquina↔ compare
- Regressão LogísticaEstatística para pesquisa↔ compare
- Random ForestAprendizado de máquina↔ compare
- XGBoostAprendizado de máquina↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →