Python全系列 教程
3567个小节阅读:5930.9k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本,未来主流的版本
人工智能 教程
顺势而为,AI创新未来
大厂算法 教程
算法,程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
LigthGBM算法是Boosting集合模型中的新晋成员,由微软提供,它和XGBoost算法一
样是对GBDT的高效实现,原理上它和GBDT及XGBoost类似,都采用损失函数的负梯度作
为当前决策树的残差近似值,去拟合新的决策树。
LightGBM模型既可以做分类分析,也可以做回归分析,对应的模型分别为:
LightGBM使用的Leaf-wise策略,每次在当前叶子节点中,找出分裂增益最大的叶子节点进行分裂,而不是所有节点都进行分裂,这样可以提高精度。
Leaf-wise的缺点是可能会长出比较深的决策树,产生过拟合。因此LightGBM在Leaf-
wise之上增加了一个最大深度的限制,在保证高效率的同时防止过拟合。
1. 关于LightGBM,下列说法正确的是:
A LigthGBM算法属于Bagging模型中的成员
B LigthGBM是对GBDT的高效实现
C LigthGBM只能做分类分析
D LigthGBM只能做回归分析
2. 关于LightGBM与XGBoost,下列说法正确的是:
A XGBoost 构建树的分裂策略是Leaf-wise策略
B LightGBM构建树的分裂策略是Level-wise策略
C LightGBM和XGBoost算法都是对GBDT的高效实现
D 以上说法均不正确
1=>B 2=>C