Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.
Fonctionnement de LightGBM
LightGBM implémente un algorithme GBDT (Gradient Boosting Decision Tree) classique en ajoutant deux nouvelles techniques : l' Gradient-based One-Side échantillonnage (GOSS) et le regroupement de fonctionnalités exclusives (EFB). Ces techniques sont conçues pour améliorer considérablement l'efficacité et la capacité de mise à l’échelle de l'algorithme GBDT.
L'algorithme LightGBM fonctionne bien dans les compétitions de Machine Learning en raison de son traitement robuste de divers types de données, de relations et de distributions, et de la variété d'hyperparamètres que vous pouvez affiner. Vous pouvez utiliser LightGBM pour les problèmes de régression, de classification (binaire et multi-classes) et de classement.
Pour plus d'informations sur le renforcement de gradient, consultez Comment fonctionne l' SageMaker algorithme AI XGBoost. Pour plus de détails sur les techniques GOSS et EFB supplémentaires utilisées dans la méthode LightGBM, consultez LightGBM : un arbre de décision avec renforcement de gradient hautement efficace
