本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# LightGBM 的工作方式
<a name="lightgbm-HowItWorks"></a>

LightGBM 实施传统的梯度提升决策树 (GBDT) 算法，并增加了两种新技术：基于梯度的单边采样 (GOSS) 和互斥特征捆绑 (EFB)。这些技术设计用于大幅提高 GBDT 的效率和可扩展性。

LightGBM 算法在机器学习竞赛中表现良好，因为它能够可靠地处理各种数据类型、关系和分布，并有大量可以微调的超参数。您可以使用 LightGBM 来处理回归、分类（二元和多元）和排名问题。

有关梯度提升的更多信息，请参阅 [SageMaker AI XGBoost 算法的工作原理](xgboost-HowItWorks.md)。有关 LightGBM 方法中使用的其他 GOSS 和 EFB 技术的深入详细信息，请参阅《[LightGBM：高效梯度提升决策树](https://proceedings.neurips.cc/paper/2017/file/6449f44a102fde848669bdd9eb6b76fa-Paper.pdf)》**。