LightGBM Chính quy hóa
LightGBM Chính quy hóa áp dụng các số hạng phạt L1 (lasso) và L2 (ridge) cho mục tiêu trọng số lá của LightGBM — một khuôn khổ gradient boosting hiệu quả cao của Microsoft — để kiểm soát độ phức tạp của mô hình, giảm thiểu hiện tượng quá khớp và cải thiện khả năng tổng quát hóa trên các tác vụ phân loại và hồi quy dạng bảng với các tập đặc trưng có số chiều cao hoặc nhiễu.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- 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, 30, 3146–3154. link ↗
- Chen, T., & Guestrin, C. (2016). XGBoost: A scalable tree boosting system. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining, 785–794. DOI: 10.1145/2939672.2939785 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Regularized Light Gradient Boosting Machine. ScholarGate. https://scholargate.app/vi/machine-learning/regularized-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.
- CatBoostHọc máy↔ compare
- Gradient BoostingHọc máy↔ compare
- LightGBMHọc máy↔ compare
- Tăng cường Gradient Chính quy hóaHọc máy↔ compare
- XGBoostHọc máy↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →