LightGBM
LightGBM — це реалізація градієнтного бустингу на основі дерев від Microsoft, представлена Ке та його колегами у 2017 році, яка будує дерева за принципом «від листа до листа» (leaf-wise) та групує ознаки в гістограми для прискорення обробки. На великих наборах даних вона працює значно швидше за XGBoost, зберігаючи високу прогностичну точність.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
+7 more
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 1). Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/uk/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.
- Дерево рішеньМашинне навчання↔ compare
- Ізоляційний лісМашинне навчання↔ compare
- Логістична регресіяСтатистика досліджень↔ compare
- Випадковий лісМашинне навчання↔ compare
- XGBoostМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →