标签：基于 LightGBM 标签 算法 概述 https 参数
LightGBM 算法概述
简要解释 LightGBM
LightGBM（Light Gradient Boosting Machine）是一个开源的 机器学习 算法。它是基于决策树的算法，使用梯度提升来集成树。您可以在 GitHub 上找到该算法的代码存储库 — https://github.com/Microsoft/LightGBM . LightGBM 可用于排名和分类（二元和多类）结果。
LightGBM 与 XGBoost 的不同之处在于它的主要区别之一是它会逐叶生长——通过选择对数损失减少最大的叶子，并从那里继续构建树。
由于它的增长是逐叶增长，它可以更快地收敛，这使得它容易过拟合。因此，调整超参数非常重要。调整 max_depth 超参数 有助于确保不会发生这种情况。
其他几个重要的 超参数 , 包括 learning_rate, num_leaves, min_sample_split, max_bin, num_iterations, application。在此处查找所有其他参数： https://lightgbm.readthedocs.io/en/latest/Parameters.html .
LightGBM 还支持并行处理优化，使其速度非常快。此外，它还在后台将数值变量分桶到分类变量中，以使其速度更快，并降低内存使用量。它用 独家功能捆绑 (EFB) 减少特征的技术。 LightGBM 也使用 基于梯度的单侧采样 用于下采样样本以获得更快的运行和更高的准确性。
如果您有一个用例，您想构建一个需要预测连续、概率或标签结果的模型，您可以使用 LightGBM。 ** 例子：** 使用基于购买的模型对客户的购买概率和结果进行排名。在这个学习问题中，目标标签是客户是否购买了产品类别。 LightGBM 可以采用历史购买模式和客户人口统计等特征。然后它可以基于算法进行训练，并创建预测标签。
参考：
https://en.wikipedia.org/wiki/LightGBM
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明
本文链接：https://www.qanswer.top/15428/46480508
标签：基于,LightGBM,标签,算法,概述,https,参数 来源： https://www.cnblogs.com/amboke/p/16656835.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。