lightgbm-論文閱讀筆記

原文連接 Abstract 雖然目前已經有比較高效的GBDT實現，如XGBoost和pGBRT，但是在特徵維度很高數據量很大的時候依然不夠快。一個主要的原因是，對於每個特徵，他們都需要遍歷每一條數據，對每一個可能的分割點去計算信息增益。爲了解決這個問題，本文提出了兩個新技術：Gradient-based One-Side Sampling(GOSS)和Exclusive Feature Bundl

>>阅读原文<<