LightGBM

微软开发的开源梯度提升框架,广泛用于表格数据的分类和回归任务。

1篇文章最近提及

LightGBM(Light Gradient Boosting Machine)是微软开发并于2016年开源的梯度提升框架。它实现了通过依次添加决策树来改进预测的梯度提升算法,采用基于直方图的学习和按叶子生长的建树方式,在大规模数据上训练速度快、内存占用低。

它与XGBoost、CatBoost并列为表格数据分类、回归和排序任务中最常用的库之一,提供Python、R、C++等接口,是需要针对每个任务分别进行特征工程和模型训练的传统机器学习方法的代表性工具。

本条目依据AIPOST的文章与广为人知的事实整理。如有错误,请通过更正请求告诉我们。

涉及该条目的文章

  • 英伟达Agent Toolkit:模型不变,执行框架让得分升至100%AI资讯 ·

    对比对象是传统的表格机器学习技术栈:数据科学团队要用XGBoost或LightGBM为每个预测任务单独搭建一条流水线,包括手工特征工程、ETL作业,以及在分类和回归模型之间做基准测试。

    阅读文章

发现说明有误或找不到条目?

百科说明依据AIPOST的文章与广为人知的事实整理。如有错误,请通过更正请求告诉我们,我们会核实并修改。新文章中出现的名称会在文章发布后加入百科。