Hinweis
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, sich anzumelden oder das Verzeichnis zu wechseln.
Für den Zugriff auf diese Seite ist eine Autorisierung erforderlich. Sie können versuchen, das Verzeichnis zu wechseln.
LightGBM ist ein verteiltes Open-Source-Framework mit hochleistungsfähigem Gradient Boosting (GBDT, GBRT, GBM oder MART). Dieses Framework ist auf das Erstellen qualitativ hochwertiger und GPU-fähiger Entscheidungsstrukturalgorithmen zum Bewerten und Klassifizieren sowie für viele weitere Aufgaben in Bezug auf maschinelles Lernen spezialisiert. LightGBM ist Teil des DMTK-Projekts von Microsoft.
Vorteile von LightGBM
- Kombinierbarkeit: LightGBM-Modelle können mit vorhandenen SparkML-Pipelines integriert und für Batch-, Streaming- und Bereitstellungsworkloads verwendet werden.
- Leistung: LightGBM in Spark ist 10 bis 30 % schneller als SparkML im Higgs-Dataset und erreicht eine Erhöhung der AUC um 15 %. Parallele Experimente haben bestätigt, dass LightGBM eine lineare Beschleunigung erreichen kann, indem mehrere Computer für das Training in bestimmten Umgebungen verwendet werden.
- Funktionalität: LightGBM bietet eine breite Palette von anpassbaren Parametern, die zum Einstellen des Entscheidungsstruktursystems verwendet werden können. LightGBM in Spark hilft auch bei neuen Arten von Problemen wie der Quantilregression.
- Plattformübergreifend: LightGBM in Spark ist für Spark, PySpark und SparklyR verfügbar.
Verwenden von LightGBM
- LightGBMClassifier: Wird zum Erstellen von Klassifizierungsmodellen verwendet. Um beispielsweise vorherzusagen, ob ein Unternehmen bankrott geht oder nicht, könnten Sie mit
LightGBMClassifier
ein binäres Klassifizierungsmodell erstellen. - LightGBMRegressor: Wird zum Erstellen von Regressionsmodellen verwendet. Um beispielsweise den Immobilienpreis vorherzusagen, könnten Sie mit
LightGBMRegressor
ein Regressionsmodell erstellen. - LightGBMRanker: Wird zum Erstellen von Bewertungsmodellen verwendet. Um beispielsweise die Relevanz von Websitesuchergebnissen vorherzusagen, könnten Sie mit
LightGBMRanker
ein Bewertungsmodell erstellen.