LightGBM:基于决策树算法的快速,分布式,高性能梯度提升(GBT,GBDT,GBRT,GBM或MART)框架,用于排名,分类和许多其他机器学习任务

上传者: 42100129 | 上传时间: 2021-07-02 11:44:26 | 文件大小: 6.71MB | 文件类型: ZIP
轻梯度升压机 LightGBM是使用基于树的学习算法的梯度增强框架。 它被设计为分布式且高效的,具有以下优点: 更快的训练速度和更高的效率。 降低内存使用率。 更好的准确性。 支持并行,分布式和GPU学习。 能够处理大规模数据。 有关更多详细信息,请参阅。 受益于这些优势,LightGBM被广泛用于许多机器学习竞赛的中。 在公共数据集上进行的表明,LightGBM可以在效率和准确性上均优于现有的Boosting框架,并且显着降低了内存消耗。 此外, 表明,LightGBM通过使用多台机器进行特定设置的训练可以实现线性加速。 入门和文档 我们的主要文档位于并从此存储库生成。 如果您不熟悉LightGBM,请按照站点上进行。 接下来,您可能需要阅读: 显示了常见任务的命令行用法。 LightGBM支持的和算法。 是您可以进行的自定义的详尽列表。 和可以加快计算速度。

文件下载

资源详情

[{"title":"( 466 个子文件 6.71MB ) LightGBM:基于决策树算法的快速,分布式,高性能梯度提升(GBT,GBDT,GBRT,GBM或MART)框架,用于排名,分类和许多其他机器学习任务","children":[{"title":".gitmodules <span style='color:#111;'> 445B </span>","children":null,"spread":false},{"title":".readthedocs.yml <span style='color:#111;'> 225B </span>","children":null,"spread":false},{"title":"Sanitizer.cmake <span style='color:#111;'> 1.90KB </span>","children":null,"spread":false},{"title":"IntegratedOpenCL.cmake <span style='color:#111;'> 4.63KB </span>","children":null,"spread":false},{"title":"FindLibR.cmake <span style='color:#111;'> 6.62KB </span>","children":null,"spread":false},{"title":"......","children":null,"spread":false},{"title":"<span style='color:steelblue;'>文件过多,未全部展示</span>","children":null,"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明