LightGBM

Microsoftが開発したオープンソースの勾配ブースティングフレームワークで、表形式データの分類・回帰に広く使われる。

記事1本最終言及

LightGBM(Light Gradient Boosting Machine)は、Microsoftが開発し2016年に公開したオープンソースの勾配ブースティングフレームワークである。決定木を順次追加して予測を改善する勾配ブースティングを実装し、ヒストグラムベースの学習とleaf-wiseの木の成長方式により、大規模データでも学習が速くメモリ使用量が少ないように設計されている。

XGBoostやCatBoostと並び、表形式データの分類・回帰・ランキングに広く使われるライブラリで、Python、R、C++などから利用できる。タスクごとに特徴量エンジニアリングとモデル学習を行う従来型機械学習の代表的なツールである。

この説明は、AIPOSTの記事と広く知られた事実をもとにまとめたものです。誤りがあれば訂正依頼でお知らせください。

この項目を扱った記事

  • NVIDIA Agent Toolkit発表、ハーネス改良で性能30%から100%にAIニュース ·

    対比されるのは従来の表形式データ向け機械学習スタックで、そこではデータサイエンスチームが予測タスクごとにXGBoostやLightGBMを使って別々のパイプラインを構築し、手作業の特徴量エンジニアリング、ETLジョブ、分類モデルと回帰モデルにまたがるベンチマークまで用意しなければなりません。

    記事を読む

説明の誤りや、見つからない項目はありますか?

事典の説明は、AIPOSTの記事と広く知られた事実をもとにまとめています。誤りは訂正依頼でお知らせいただければ、確認して修正します。新しい記事に登場した名前は、記事の公開後に事典に加わります。