超级会员免费看
本文详细介绍了LightGBM，一个由微软开发的高效分布式Gradient Boosting框架，尤其强调了其在速度、内存优化、稀疏特征处理、树的生长策略和并行学习方面的优势。LightGBM采用直方图算法，降低了计算成本和内存使用，支持多种应用和度量，如回归、分类、Lambdarank，并提供了GPU支持。
本文为官方文档翻译，点击查看英文原版。
LightGBM(Light Gradient Boosting Machine)是微软的开源分布式高性能Gradient Boosting框架，使用基于决策树的学习算法。下面介绍下此框架的优化。
1、速度、内存方面的优化
许多提升工具使用基于预排序的算法(近似直方图算法)（例如XGBoost中的默认算法）来进行决策树学习。这是一个比较简单的解决方案，但不容易优化。LightGBM使用基于直方图的算法，它将连续特征值存储到离散区间。这可以加快训练速度并减少了内存使用量。
1.1 直方图算法的优点
订阅专栏 解锁全文
扫一扫
1844
到【灌水乐园】发言
