お前はどこまで見えている
·
LightGBM算法详解
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
LightGBM是一个高性能的分布式梯度提升决策树框架，用于分类、回归、排序任务等。它属于Boosting算法的一种，可以通过改变样本权重或修改样本Label来优化模型。决策树的学习过程可以分为两种。
🎯
关键要点
- LightGBM 是一个高性能的分布式梯度提升决策树框架，适用于分类、回归和排序任务。
- LightGBM 属于 Boosting 算法，通过线性组合多个模型来完成任务。
- Boosting 分为两种：Ada Boost 和 Gradient Boost。
- Ada Boost 根据当前的损失改变样本权重，控制后续子模型的产生。
- Gradient Boost 直接修改样本标签，倾向于降低训练误差。
- GBDT 是 Gradient Boosting 和决策树的结合，每个基学习器都是一个决策树。
🏷️
标签
➡️
