LightGBM: A Highly Efficient Gradient Boosting Decision Tree 論文解析

本文記錄了LGB論文中一些技術點,主要由論文內容和個人理解組成,歡迎一起探討 (一)介紹 GBDT由於其高效性準確性和可解釋性近幾年來被廣泛使用,但是隨着大數據時代的發展,傳統的GBDT也面臨着新的挑戰。大數據之所以大,一方面是因爲樣本的數量多,另一方面是因爲特徵維度高。而傳統的GBDT實現中,對於每次最佳分裂節點的選擇算法中,一般有兩個for循環,第一個循環遍歷所有特徵,第二個循環遍歷所有樣本,
相關文章
相關標籤/搜索