> ML_LITERATURE // KE-2017-LIGHTGBM-HIGHLY-EFFICIENT-GBDT_v1.0
LightGBM: A Highly Efficient Gradient Boosting Decision Tree
Guolin Ke, Qi Meng, Thomas Finley, Taifeng Wang, Wei Chen, Weidong Ma, Qiwei Ye, Tie-Yan Liu · Advances in Neural Information Processing Systems (NeurIPS) (2017)
systems2017industry-standardthirdPartyReproduced
Temel Katkı (Principal Contribution)
Yaprak yönlü (leaf-wise) ağaç büyümesinin yanı sıra Gradyan Tabanlı Tek Taraflı Örnekleme (GOSS) ve Özel Özellik Demetleme (EFB) tekniklerini tanıttı.
Operasyonel ve Mühendislik Uygunluğu
Büyük ölçekli tablosal üretim veri setlerinde düşük gecikmeli eğitim ve yüksek verimli puanlama için endüstri standardı tercih.
Temel Varsayımlar (Assumptions)
- Küçük gradyanlara sahip veri örnekleri eğitime daha az katkıda bulunur ve doğruluğa zarar vermeden altörneklenebilir
Kısıtlar ve Sınırlamalar (Limitations)
- Yaprak yönlü ağaç büyümesi, max_depth açıkça kısıtlanmadıkça küçük veri setlerinde (<10 bin satır) hızla aşırı uyum sağlayabilir
Bağlantılı Algoritmalar, Mimariler ve Kütüphaneler
İlgili Algoritmalar:
İlgili Mimariler:
Uygulayıcı Kütüphaneler: