Hva er LightGBM?

LightGBM er et rammeverk med åpen kildekode, distribuert gradering med høy ytelse (GBDT, GBRT, GBM eller MART). Dette rammeverket spesialiserer seg på å opprette høykvalitets og GPU-aktiverte beslutningstrealgoritmer for rangering, klassifisering og mange andre maskinlæringsoppgaver. LightGBM er en del av Microsofts DMTK-prosjekt .

Fordeler med LightGBM

• Komponerbarhet: LightGBM-modeller kan innlemmes i eksisterende SparkML-rørledninger og brukes til satsvise, strømmende og serverer arbeidsbelastninger.
• Ytelse: LightGBM på Spark er 10–30 % raskere enn SparkML på Higgs-datasettet og oppnår en økning på 15 % i AUC. Parallelle eksperimenter har bekreftet at LightGBM kan oppnå en lineær hastighet ved hjelp av flere maskiner for opplæring i bestemte innstillinger.
• Funksjonalitet: LightGBM tilbyr et bredt utvalg av tunable parametere, som man kan bruke til å tilpasse beslutningstresystemet. LightGBM på Spark støtter også nye typer problemer som quantile regresjon.
• Cross-plattform: LightGBM på Spark er tilgjengelig på Spark, PySpark og SparklyR.

LightGBM-bruk

• LightGBMClassifier: brukes til å bygge klassifiseringsmodeller. Hvis du for eksempel vil forutsi om et selskap er konkurs eller ikke, kan vi bygge en binær klassifiseringsmodell med LightGBMClassifier.
• LightGBMRegressor: brukes til å bygge regresjonsmodeller. Hvis du for eksempel vil forutsi boligpris, kan vi bygge en regresjonsmodell med LightGBMRegressor.
• LightGBMRanker: brukes til å bygge rangeringsmodeller. Hvis du for eksempel vil forutsi relevansen til søkeresultatene for nettstedet, kan vi bygge en rangeringsmodell med LightGBMRanker.

Neste trinn

• Slik bruker du LightGBM-modeller med SynapseML i Microsoft Fabric
• Slik bruker du Azure AI-tjenester med SynapseML
• Slik utfører du den samme klassifiseringsoppgaven med og uten SynapseML
• Slik bruker du KNN-modell med SynapseML