SynapseML 中的 LightGBM 概觀

LightGBM 是開放原始碼、分散式、高效能漸層提升 （GBDT、GBRT、GBM 或 MART） 架構。 此架構專門建立高品質且已啟用 GPU 的判定樹演算法，以進行排名、分類，以及許多其他機器學習工作。 LightGBM 是Microsoft DMTK 專案的一部分。

LightGBM 的優點

• 可組合性：LightGBM 模型可以併入現有的SparkML管線，並用於批次、串流和提供工作負載。
• 效能：Spark 上的 LightGBM 比 Higgs 數據集上的 SparkML 快 10-30%，且 AUC 增加 15%。 平行實驗 已確認 LightGBM 可以使用多部機器在特定設定中定型，來達到線性加速。
• 功能：LightGBM 提供各種不同的 無法調整參數，可用來自定義其判定樹系統。 Spark 上的 LightGBM 也支援新類型的問題，例如分位數回歸。
• 跨平臺：Spark、PySpark 和 SparklyR 提供 Spark 上的 LightGBM。

LightGBM 使用方式

• LightGBMClassifier：用於建置分類模型。 例如，若要預測公司是否破產，我們可以使用 LightGBMClassifier建置二元分類模型。
• LightGBMRegressor：用於建置回歸模型。 例如，若要預測房價，我們可以使用 LightGBMRegressor建置回歸模型。
• LightGBMRanker：用於建置排名模型。 例如，若要預測網站搜尋結果的相關性，我們可以使用 LightGBMRanker建置排名模型。

相關內容

• 如何在 Microsoft Fabric 中搭配 SynapseML 使用 LightGBM 模型
• 如何搭配 SynapseML 使用 Azure AI 服務
• 如何使用和不使用 SynapseML 來執行相同的分類工作
• 如何搭配 SynapseML 使用 KNN 模型