ไลท์จีบีเอ็ม
ไลท์จีบีเอ็ม (LightGBM) คือการนำการเพิ่มประสิทธิภาพแบบไล่ระดับ (gradient boosting) ของต้นไม้ตัดสินใจ (decision tree) ที่พัฒนาโดยไมโครซอฟท์ เปิดตัวโดย Ke และคณะในปี 2017 ซึ่งสร้างต้นไม้แบบใบต่อใบ (leaf-wise) และจัดกลุ่มคุณลักษณะ (feature) เป็นฮิสโตแกรมเพื่อความรวดเร็ว บนชุดข้อมูลขนาดใหญ่ ไลท์จีบีเอ็มเร็วกว่าเอ็กซ์จีบีโอโอสต์ (XGBoost) อย่างมาก โดยยังคงรักษาความแม่นยำในการทำนายที่แข็งแกร่ง
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+7 more
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 1). Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/th/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.
- ต้นไม้ตัดสินใจการเรียนรู้ของเครื่อง↔ compare
- Isolation Forestการเรียนรู้ของเครื่อง↔ compare
- การถดถอยโลจิสติกสถิติการวิจัย↔ compare
- Random Forestการเรียนรู้ของเครื่อง↔ compare
- XGBoostการเรียนรู้ของเครื่อง↔ compare