Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

# Funcionamiento de LightGBM
<a name="lightgbm-HowItWorks"></a>

LightGBM implementa un algoritmo convencional de árbol de decisiones con potenciación por gradiente (GBDT), con la adición de dos técnicas novedosas: el muestreo unilateral basado en gradientes (GOSS) y el agrupamiento de características exclusivas (EFB). Estas técnicas están diseñadas para mejorar considerablemente la eficiencia y la escalabilidad del GBDT.

LightGBM tiene un gran rendimiento en competiciones de machine learning, ya que puede gestionar con solvencia distintos tipos de datos, relaciones y distribuciones, así como la amplia variedad de hiperparámetros que se pueden ajustar. Puede usar LightGBM para problemas de regresión, de clasificación (binaria y multiclase) y de ranking.

Para obtener más información sobre la potenciación por gradiente, consulte [Cómo funciona el XGBoost algoritmo de SageMaker IA](xgboost-HowItWorks.md). Para obtener información detallada sobre las técnicas adicionales de GOSS y EFB utilizadas en el método LightGBM, consulte *[LightGBM: A Highly Efficient Gradient Boosting Decision Tree](https://proceedings.neurips.cc/paper/2017/file/6449f44a102fde848669bdd9eb6b76fa-Paper.pdf)*.