Un framework di gradient boosting che utilizza algoritmi di apprendimento ad albero, progettato per essere distribuito ed efficiente, con una velocità di addestramento più elevata e un minore consumo di memoria.
LightGBM
- Pitone
- intelligenza artificiale e apprendimento automatico, Analisi dei dati
- Efficienza, Apprendimento automatico, Algoritmi di manutenzione predittiva, Ottimizzazione dei processi, Gestione della qualità, Analisi statistica
Caratteristiche:
- Boosting del gradiente, ensemble di alberi decisionali, elevata efficienza per grandi insiemi di dati, basso utilizzo della memoria, supporto per caratteristiche categoriche, apprendimento parallelo e GPU, tecniche di regolarizzazione per prevenire l'overfitting, velocità di addestramento elevata
Prezzi:
- Gratuito
- Velocità di addestramento molto elevata ed alta efficienza, gestisce bene grandi set di dati, buona precisione, supporta direttamente le caratteristiche categoriche, minore utilizzo di memoria rispetto ad altre librerie GBDT come XGBoost in alcuni casi.
- Può essere soggetto a overfitting su dataset di piccole dimensioni se non ottimizzato correttamente, la messa a punto dei parametri può essere complessa, la comunità è più piccola rispetto a XGBoost (sebbene in rapida crescita).
Ideale per:
- Scienziati dei dati e ingegneri di machine learning che necessitano di un framework di gradient boosting rapido ed efficiente, soprattutto per set di dati di grandi dimensioni e quando le caratteristiche categoriche sono predominanti.
