lightgbm 第13页

深度学习训练 | 如何在云服务器上安装LightGBM

恒源云社区（专注人工智能/深度学习云GPU服务器训练平台，官方体验网址：https://gpushare.com/）原文地址|https://gpushare.com/docs/best_practices/lightgbm

·2021-06-25 20:52

LightGBM baseline

LightGBM是一种使用基于树的学习算法的梯度提升框架。相比XGBoost速度更快，结果也相近。使用交叉验证，以f1为评价方法的baseline:#!

请不要问我是谁·2021-06-25 11:54

LightGBM

LightGBM原理及实现LigthGBM是boosting集合模型中的新进成员，它和xgboost一样是对GBDT的高效实现，很多方面会比xgboost表现的更为优秀。

jessica涯·2021-06-23 18:24

机器学习算法---LightGBM

本文为通过文末的学习内容学习后记录的部分学习摘要LightGBM的提出常用的机器学习算法，例如神经网络等算法，都可以以mini-batch（小批量数据）的方式训练，训练数据的大小不会受到内存限制。

Fgban·2021-06-21 08:55

GBDT进化->XGBoost & LightGBM简记

很全面的阐释XGBoost：集成学习之Boosting——XGBoost大体来看，XGBoost在原理方面的改进主要就是在损失函数上作文章。一是在原损失函数的基础上添加了正则化项产生了新的目标函数，这类似于对每棵树进行了剪枝并限制了叶结点上的分数来防止过拟合。二是对目标函数进行二阶泰勒展开，利用二阶导信息来最小化目标函数。GradientBoosting只利用了一阶导信息，而XGBoost引入二阶

madeirak·2021-06-15 08:12

机器学习-8 XGBoost【附代码】

XGBoost是微软后续LightGBM的前身，也是Kaggle竞赛的大杀器，也是决策树一系算法登峰造极之产物。论文：《XGBoost:

Eric_i33·2021-06-15 07:35

LightGBM论文翻译及总结

LightGBM摘要GradientBoostingDecisionTree(GBDT)非常流行却鲜有实现，只有像XGBoost和pGBRT。

callme周小伦·2021-06-10 06:16

树模型中, 特征重要性的计算方法

主要查看了三个文档:DecisionTree,XGBoost,LightGBM.sklearn中GradientBoostingClassifier(GBDT)和RandomForest没有找到特征重要性计算方法的详述

wangke·2021-06-07 23:14

Could NOT find OpenMP (missing: OpenMP_CXX_FLAGS)

在centos上安装lightGBM,报了这个问题：报错图翻来覆去地找。。。网上的方法都试过了。最后灵机一动，会不会已经解决了，但因为缓存原因，导致在旧的环境上进行编译，还在报错？

月光社编外人员·2021-06-06 20:01

西瓜书重温(四): 决策树手推版

关于决策树模型，重要性不言而喻了，这个是后面集成学习模型的基础，集成学习里面不管是bagging家族里面的代表随机森林，还是boosting家族里面AdaBoost派系或者是GBDT->xgboost-lightgbm-catboost

Miracle8070·2021-05-19 22:33

anaconda jupyter不能导入安装的lightgbm解决方案

问题：安装lightgbm成功后，无法在anacondajupyternotebook中导入lightgbm包原因：lightgbm默认安装在本地python环境中，而anaconda的python环境与本地不是同一个环境

·2021-05-16 10:01

sklearn 机器学习中的回归模型简单使用代码记录

以下模型都将使用波士顿房价数据集进行测试目录准备工作导入数据集切分数据集评估指标函数模型LinearModelsKNNSVMDecisionTreeRandomforestBaggingXgboostLightgbmCatboostGradientBoostingRefercence

一口气吃五碗饭的阿霖·2021-05-12 17:18

mac 安装lightgbm

如果之前安装过gcc，用下面这个安装gcc7brewreinstallgcc@7--without-multilibgitclone--recursivehttps://github.com/Microsoft/LightGBM

Ali莎·2021-05-12 04:34

机器学习面试之有必要手推SVM吗（1）？

正反双方各执一词，正方说，手推SVM才能看出应聘者的理论基础，反方说，现实中，SVM限于性能，应用面很小，尤其是现在xgboost,lightGBM等高性能的boosting框架的盛行，更让SVM成为了好看不好用的东西

工程师milter·2021-05-08 04:08

金融风控训练营Task04基础知识学习笔记——建模与调参

金融风控训练营Task04基础知识学习笔记——建模与调参一、学习知识点概要二、学习内容及问题与解答Ⅰ模型介绍及原理1.逻辑回归模型：2.决策树模型3.GBDT模型4.XGBoost模型5.LightGBM

weixin_46085699·2021-05-01 21:58

基于Lending Club的数据分析实战项目【小白记录向】【二】

lendingclub_analyse】本实战项目基于Colab环境文章目录简介使用机器学习方法进行解决数据准备机器学习方法随机森林SGDClassifier随机梯度下降逻辑回归GBDTSVM支持向量机分类器Ada分类器lightgbmXGB

Swaggie·2021-04-29 12:20

机器学习（七）——LightGBM算法

LightGBM算法1算法原理2LightGBM重要参数2.1基本参数调整2.2针对训练速度的参数调整2.3针对准确率的参数调整2.4针对过拟合的参数调整3代码实践4参考主要为自己学习的笔记，如有错误请大家勘正

Kay_Xiaohe_He·2021-04-28 11:27

Datawhale集成学习-XGBoost算法与LightGBM算法

Datawhale集成学习-XGBoost算法与LightGBM算法1.XGBoost算法2.Xgboost算法案例2.1分类案例2.1回归案例2.3XGBoost调参（结合sklearn网格搜索）3.

牛魔王与二锅头·2021-04-26 23:51

DataWhale集成学习（中）——Task11 XGBoost算法分析与案例调参实例

目录XGBoost算法XGBoost分类LightGBM算法XGBoost算法XGBoost是GBDT算法的高效实现，并进行了算法和工程上的改进，即X(Extreme)GBoosted。

x___xxxx·2021-04-26 20:43

解决安装lightgbm中遇到的OSError: [WinError 126] 找不到指定的模块。[couln't find the module]问题2018-10-14

https://blog.csdn.net/abc50319/article/details/82805870

胡椒_w·2021-04-26 05:14

LightGBM 知识点札记

LightGBM知识点札记目录LightGBM知识点札记参考网址：一、什么是GBDT？

Tianfeng-Pink·2021-04-22 21:30

【机器学习】决策树（下）——XGBoost、LightGBM（非常详细）

此文为转载，原文链接:【机器学习】决策树（下）——XGBoost、LightGBM（非常详细）-阿泽的文章-知乎https://zhuanlan.zhihu.com/p/878856781.XGBoostXGBoost

Jarkata·2021-04-21 15:19

白话梳理树模型——从决策树到lightGBM

本文仅为简单梳理树模型升级过程，尽量少牵扯到数学公式，用大白话来理解。预备知识熵，熵用来描述事件的不确定性，越随机熵值越大。如何理解不确定性呢？假设现在有一个伯努利分布，p(0)=p(1)=1/2，则这个分布的不确定性是最大的，因为我们抽样的时候完全无法确定抽样出来的那个数值的概率更大，两者都是1/2，所以不确定性在这里可以理解为某个事件发生的概率。我们再来看看熵值的公式：对于一个伯努利其熵值为：

井底蛙蛙呱呱呱·2021-04-20 10:14

相对于xgboost以及lightgbm有什么优势？如何使用randomSearchCV和Catboost进行组合获取最优参数组合？

相对于xgboost以及lightgbm有什么优势？如何使用randomSearchCV和Catboost进行组合获取最优参数组合？

Data+Science+Insight·2021-04-20 10:48

使用hyperopt对Lightgbm调参----自动调参

微软的lightgbm已经成为了数据挖掘竞赛的必用工具，运行速度快，准确率高等等各种优点。

虹猫_少侠·2021-04-14 20:44

时间序列预测：I概述

常用的模型，以下基本可以涵盖主流思想：传统时序模型：ARIMA，Prophet，EMD构造时序特征的统计学习方法：LR，GBDT(xgboost\lightgbm)深度学习方法：seq2seq，wavenet

YueTan·2021-04-13 22:15

集成学习之xgboost、lightGBM、CatBoost、NGBoost对比

集成学习Boosting，与Bagging一样，使用的相同的弱学习器，不过是以自适应的方法顺序地学习这些弱学习器，即每个新学习器都依赖于前面的模型，并按照某种确定性的策略将它们组合起来两个重要的Boosting算法：AdaBoost（自适应提升）和GradientBoosting（梯度提升）AdaBoost，使用前面的学习器用简单的模型去适配数据，然后分析错误。然后会给予错误预测的数据更高权重，然

Andy9918·2021-04-10 23:48

DataWhale-数据挖掘-Task4

理解逻辑回归模型；逻辑回归模型的应用；逻辑回归的优缺点；树模型：理解树模型；树模型的应用；树模型的优缺点；集成模型基于bagging思想的集成模型随机森林模型基于boosting思想的集成模型XGBoost模型LightGBM

NJU北落师门·2021-03-25 23:55

Optuna自动调参使用指南

在日常工作中用到的比较多的还是树回归模型，由于LightGBM不需要的类别数据进行预处理所以用得特别多，中间涉及到超参数优化时通常使用随机参数优化方法。

钱魏Way·2021-02-22 19:00

python—树模型部署加速工具Treelite（支持XGBoost、LightGBM和Sklearn）

文章目录引言一、Treelite原理1.逻辑分支2.逻辑比较三、Treelite使用1.XGBoost模型2.LightGBM3.随机森林总结引言Treelite能够将树模型编译优化为单独库，可以很方便的用于模型部署

哎呦-_-不错·2021-01-26 22:02

基于集成学习方法Random Forest、Adaboost、GBDT、LightGBM、XGBoost的调参、建模、评估实现kaggle竞赛员工离职案例分析（2）

基于集成学习方法RandomForest、Adaboost、GBDT、LightGBM、XGBoost的调参、建模、评估实现kaggle竞赛员工离职案例分析（2）引言3.adaboost模型分类贝叶斯调参

smile_小北·2021-01-25 16:22

基于集成学习方法(Random Forest、Adaboost、GBDT、LightGBM、XGBoost)的调参、建模、评估实现kaggle竞赛员工离职案例分析（1）

基于集成学习方法RandomForest、Adaboost、GBDT、LightGBM、XGBoost的调参、建模、评估实现kaggle竞赛员工离职案例分析（1）引言实验内容实验环境数据准备数据初探导入相关的包忽略警告及可展示读取数据数据探索空值

smile_小北·2021-01-25 15:59

数据挖掘算法和实践（二十二）：LightGBM集成算法案列（癌症数据集）

本节使用datasets数据集中的癌症数据集使用LightGBM进行建模的简单案列，关于集成学习的学习可以参考：数据挖掘算法和实践（十八）：集成学习算法（Boosting、Bagging），LGBM是一个非常常用算法

A叶子叶来·2021-01-23 17:20

决策树过拟合现象_过拟合

img本文从模型训练的过拟合概念入手，通过两个实际的模型训练(LSTM和LightGBM)展示了在训练过程中出现的过拟合现象，之后通过修正参数来展示模型中参数对于过拟合结果的影响。

庄大卫·2021-01-15 19:33

数据挖掘算法和实践（十八）：集成学习算法（Boosting、Bagging）

之前主要介绍单机器学习算法的理解和使用，实际场景多使用集成学习即组合的挖掘算法以达到最优效果，集成学习有2种：Boosting和Bagging，前者通过多个串行的弱学习器得到强学习器（GBDT、XoostGB、LightGBM

A叶子叶来·2021-01-15 16:48

lightGBM自定义损失函数loss和metric

lightGBM自定义损失函数loss和metric转载于：https://www.cnblogs.com/kayy/p/10824392.htmldefself_loss(labels,preds):

zephyr_wang·2021-01-09 23:01

[机器学习 ]RandomForest、GBDT、XGBoost、lightGBM 原理与区别

这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML图表FLowchart流程图导出与导入导出导入https://

zlmlpxy·2021-01-04 14:45

python 分类变量xgboost_【机器学习基础】数学推导+纯Python实现机器学习算法25：CatBoost...

CatBoost与XGBoost、LightGBM并称为GBDT框架下三大主流模型。

柯布西耶·2021-01-01 08:24

树模型调参指南——官网文档

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录决策树随机森林GBDT/GBRTHistGradientBoostingRegressorXGboostLightGBMCatboost

选西瓜专业户·2020-12-31 02:29

比SkLearn更好用的机器学习工具-PyCaret

它的原理大概就是封装了Sklearn，XGBoost，LightGBM，Spacy，Shap，PyOD，Gensim，WordCloud等工具，几乎包括机器学习所有的使用场景和方法（不含深度学习）。

李博Garvin·2020-12-20 17:28

lightgbm 决策树可视化 graphviz

决策树模型，XGBoost，LightGBM和CatBoost模型可视化安装graphviz参考文档http://graphviz.readthedocs.io/en/stable/manual.html

qq_2240410488·2020-12-16 16:00

numpy python安装_安装numpy

第四步：将pip所...文章swjian19972018-05-242395浏览量微软LightGBMWindows下P

weixin_39831242·2020-12-16 13:17

百面机器学习（一）:LightGBM、xgboost和GBDT的区别（百度）（a）——集成学习详解

目录1.引子2.集成学习的概念3.集成学习的特点4.集成学习的分类5.同质学习6.集成学习举例与评估7.集成学习框架8.下篇预告9.参考链接1.引子这是一个全新的专题——百面机器学习，主要针对牛客网、某乎、各大微信公众号等常见的面试问题，进行系统、全面地分析。通过一个问题，弄懂一类问题。今日份的问题是，机器学习岗位面试最最最常见的问题之一——某几类集成算法有什么区别。小编借此机会，详细地讲解集成算

南上加南·2020-12-06 12:18

常见集成学习算法模型&LightGBM示例

集成学习——介绍在集成学习中，我们会训练多个模型（通常称为弱学习器）解决相同的问题，并将它们结合起来以获得更好的结果。最重要的假设是：当弱模型被正确组合时，我们可以得到更精确和/或更鲁棒的模型。有自助聚合（bagging）、提升法（boosting）、堆叠法（stacking）以及许多其它的基础集成学习模型常见的三种集成学习模型bagging——可以并行执行，每一棵树权重是一样的随机森林boost

跌跌撞撞进大坑·2020-12-06 00:51

泰迪杯挑战赛优秀论文-A题-基于数据挖掘的上市公司高送转预测

预测下一年上市公司高送转的一些其他条件2.2机器学习算法介绍2.2.1LogisticRegressor2.2.2RandomForestClassifier2.2.3SVM2.2.4XGBoost2.2.5LightGBM2.2

weixin_47922824·2020-12-01 11:20

python计算期望值_【机器学习基础】数学推导+纯Python实现机器学习算法25：CatBoost...