apachecn/lightgbm-doc-zh

LightGBM 中文文档

LightGBM 中文文档

LightGBM 是一个梯度 boosting 框架, 使用基于学习算法的决策树. 它是分布式的, 高效的, 装逼的, 它具有以下优势:

• 速度和内存使用的优化
  • 减少分割增益的计算量
  • 通过直方图的相减来进行进一步的加速
  • 减少内存的使用 减少并行学习的通信代价
• 稀疏优化
• 准确率的优化
  • Leaf-wise (Best-first) 的决策树生长策略
  • 类别特征值的最优分割
• 网络通信的优化
• 并行学习的优化
  • 特征并行
  • 数据并行
  • 投票并行
• GPU 支持可处理大规模数据

更多有关 LightGBM 特性的详情, 请参阅: LightGBM 特性.

文档地址

• 在线阅读
• 在线阅读（Gitee）

项目负责人

• @那伊抹微笑

项目贡献者

• @那伊抹微笑
• @陈瑶
• @胡世昌
• @王金树
• @谢家柯
• @方振影
• @臧艺
• @冯斐
• @黄志浩
• @刘陆琛
• @周立刚
• @陈洪
• @孙永杰
• @王贤才

下载

Docker

docker pull apachecn0/lightgbm-doc-zh
docker run -tid -p <port>:80 apachecn0/lightgbm-doc-zh
# 访问 http://localhost:{port} 查看文档

PYPI

pip install lightgbm-doc-zh
lightgbm-doc-zh <port>
# 访问 http://localhost:{port} 查看文档

NPM

npm install -g lightgbm-doc-zh
lightgbm-doc-zh <port>
# 访问 http://localhost:{port} 查看文档

贡献指南

为了使项目更加便于维护，我们将文档格式全部转换成了 Markdown，同时更换了页面生成器。后续维护工作将完全在 Markdown 上进行。

小部分格式仍然存在问题，主要是链接和表格。需要大家帮忙找到，并提 PullRequest 来修复。

建议反馈

• 联系项目负责人 @那伊抹微笑.
• 在我们的 apachecn/lightgbm-doc-zh github 上提 issue.
• 发送到 Email: lightgbm#apachecn.org（#替换成@）.
• 在我们的 组织学习交流群 中联系群主/管理员即可.

组织学习交流群

机器学习交流群: 629470233 （2000人）

大数据交流群: 214293307 （2000人）

了解我们: http://www.apachecn.org/organization/209.html

加入组织: http://www.apachecn.org/organization/209.html

更多信息请参阅: http://www.apachecn.org/organization/348.html

lightgbm-doc-zh's Issues

预测结果不一致

您好，我在使用lightgbm进行预测时，多次预测的结果不一致，请问可能是什么原因呢？
前提声明：

1. 在训练过程中声明了seed=42，固定了随机种子
2. 测试过程中使用的是同一个权重，同一个测试文件

请问各位大佬，是什么原因导致的呢？

新手入门

请问有什么中文的实战入门样例吗？实在新手

FAQ 部分 lightgbm 写成了 lightbgm

首页LightGBM的特点

LightGBM 是一个梯度 boosting 框架, 使用基于学习算法的决策树. 它是分布式的, 高效的, 装逼的, 它具有以下优势，装逼的是认真的么

请问QQ群还能加入么？

如题

lightgbm中的dart和goss算法

您好，我最近在用lightgbm来训练模型，我发现里面的算法有4种boosting，其中gbdt和rf我有查阅资料在网上，我了解其中的原理，可是 对于其中的Dart和Goss我不是很了解，我想问一下Dart和Goss与GBDT有哪些区别？谢谢

LightGBM 中文文档 - 要构建 LightGBM GPU 版本, 运行以下命令( 内容更新了)

中文地址：
http://lightgbm.apachecn.org/zh/latest/Installation-Guide.html#id8

git clone --recursive https://github.com/Microsoft/LightGBM ; cd LightGBM
mkdir build ; cd build
cmake -DUSE_GPU=1 ..
# if you have installed the NVIDIA OpenGL, please using following instead
# sudo cmake -DUSE_GPU=1 -DOpenCL_LIBRARY=/usr/local/cuda/lib64/libOpenCL.so -OpenCL_INCLUDE_DIR=/usr/local/cuda/include/ ..
make -j4

英文原文地址：
http://lightgbm.readthedocs.io/en/latest/Installation-Guide.html#id8

git clone --recursive https://github.com/Microsoft/LightGBM ; cd LightGBM
mkdir build ; cd build
cmake -DUSE_GPU=1 ..
# if you have installed NVIDIA CUDA to a customized location, you should specify paths to OpenCL headers and library like the following:
# cmake -DUSE_GPU=1 -DOpenCL_LIBRARY=/usr/local/cuda/lib64/libOpenCL.so -DOpenCL_INCLUDE_DIR=/usr/local/cuda/include/ ..
make -j4

Invalid Link

参数优化中的binary里的 ‘log loss’指向https://www.kaggle.com/docs，而不是log loss的维基百科

什么叫做“装逼的”？

LightGBM 是一个梯度 boosting 框架, 使用基于学习算法的决策树. 它是分布式的, 高效的, 装逼的, 它具有以下优势: