LightGBM - 版本历史

Wurong：/* 示例代码-LightGBM分类节点 */

2024-01-23T03:41:32Z

示例代码-LightGBM分类节点

←上一版本		2024年1月23日 (二) 11:41的版本
第32行：		第32行：

	==示例代码-LightGBM分类节点==		==示例代码-LightGBM分类节点==
	~~该节点使用Python编写，调用xgboost包~~<ref>{{cite web		该节点使用Python编写，调用lightgbm包<ref>{{cite web
	\| title = lightgbm pakage		\| title = lightgbm pakage
	\| url = https://github.com/microsoft/LightGBM		\| url = https://github.com/microsoft/LightGBM

Wurong：/* 参数配置 */

2024-01-22T03:57:45Z

参数配置

←上一版本		2024年1月22日 (一) 11:57的版本
第65行：		第65行：
	** dart：DART（Dropouts meet Multiple Additive Regression Trees）。DART是LightGBM的一种改进算法，它在训练过程中引入了随机性，通过丢弃（dropout）弱学习器来减少过拟合的风险。		** dart：DART（Dropouts meet Multiple Additive Regression Trees）。DART是LightGBM的一种改进算法，它在训练过程中引入了随机性，通过丢弃（dropout）弱学习器来减少过拟合的风险。
	** rf：随机森林（Random Forest）。随机森林是一种集成学习方法，通过随机选择特征和样本来构建多个决策树，并使用投票或平均来进行预测。		** rf：随机森林（Random Forest）。随机森林是一种集成学习方法，通过随机选择特征和样本来构建多个决策树，并使用投票或平均来进行预测。
			* 学习率：默认为0.1。

	===注意事项===		===注意事项===

Wurong：/* 示例代码-LightGBM分类节点 */

2024-01-22T03:53:55Z

示例代码-LightGBM分类节点

←上一版本		2024年1月22日 (一) 11:53的版本
第33行：		第33行：
	==示例代码-LightGBM分类节点==		==示例代码-LightGBM分类节点==
	该节点使用Python编写，调用xgboost包<ref>{{cite web		该节点使用Python编写，调用xgboost包<ref>{{cite web
	\| title = ~~xgboost~~ pakage		\| title = lightgbm pakage
	\| url = https://github.com/~~dmlc~~/~~xgboost~~		\| url = https://github.com/microsoft/LightGBM
	\| access-date = 2024-01-22		\| access-date = 2024-01-22
	}}</ref>。以下为示例代码：		}}</ref>。以下为示例代码：
第48行：		第48行：
	bst = lgb.train(param, train_data, num_round, valid_sets=train_data)		bst = lgb.train(param, train_data, num_round, valid_sets=train_data)
	</syntaxhighlight>		</syntaxhighlight>
	如果想使用完全代码请参考：https://~~xgboost~~.readthedocs.io/en/stable/~~python~~		如果想使用完全代码请参考：https://lightgbm.readthedocs.io/en/stable/Python-Intro.html

	拟合后，模型可以用于预测样本的类别，可以在[[通用预测模块]]实现内外部测试集的预测。		拟合后，模型可以用于预测样本的类别，可以在[[通用预测模块]]实现内外部测试集的预测。

Wurong：/* 算法概述 */

2024-01-22T03:52:15Z

算法概述

←上一版本		2024年1月22日 (一) 11:52的版本
第29行：		第29行：

	==算法概述==		==算法概述==
			LightGBM(Light Gradient-Boosting Machine)<ref>"LightGBM." Wikipedia: The Free Encyclopedia. Wikimedia Foundation, Inc., 22 Jan. 2024. Web. 22 Jan. 2024.</ref>，是一个用于机器学习的免费开源分布式梯度提升框架，最初由微软开发。它基于决策树算法，用于排序、分类和其他机器学习任务。开发的重点是性能和可扩展性。

	==示例代码-LightGBM分类节点==		==示例代码-LightGBM分类节点==

Wurong：/* 参数配置 */

2024-01-22T03:48:36Z

参数配置

←上一版本		2024年1月22日 (一) 11:48的版本
第65行：		第65行：
	** dart：DART（Dropouts meet Multiple Additive Regression Trees）。DART是LightGBM的一种改进算法，它在训练过程中引入了随机性，通过丢弃（dropout）弱学习器来减少过拟合的风险。		** dart：DART（Dropouts meet Multiple Additive Regression Trees）。DART是LightGBM的一种改进算法，它在训练过程中引入了随机性，通过丢弃（dropout）弱学习器来减少过拟合的风险。
	** rf：随机森林（Random Forest）。随机森林是一种集成学习方法，通过随机选择特征和样本来构建多个决策树，并使用投票或平均来进行预测。		** rf：随机森林（Random Forest）。随机森林是一种集成学习方法，通过随机选择特征和样本来构建多个决策树，并使用投票或平均来进行预测。
	* 学习率：默认0.1。

	===注意事项===		===注意事项===

Wurong：/* 示例代码-LightGBM分类节点 */

2024-01-22T03:46:27Z

示例代码-LightGBM分类节点

←上一版本		2024年1月22日 (一) 11:46的版本
第38行：		第38行：
	}}</ref>。以下为示例代码：		}}</ref>。以下为示例代码：
	<syntaxhighlight lang="Python">		<syntaxhighlight lang="Python">
	import ~~xgboost~~ as ~~xgb~~		import lightgbm as lgb
	~~# Load Pandas Data~~		import numpy as np
	data = np.random.rand(5, 10) # 5 entities, each contains 10 features
	label = np.random.randint(2, size=5) # binary target		data = np.random.rand(500, 10) # 500 entities, each contains 10 features
	~~dtrain~~ = ~~xgb~~.~~DMatrix~~(data, label=label)		label = np.random.randint(2, size=500) # binary target
			train_data = lgb.Dataset(data, label=label)

	num_round = 10		num_round = 10
	bst = ~~xgb~~.train(param, ~~dtrain~~, num_round, ~~evallist~~)		bst = lgb.train(param, train_data, num_round, valid_sets=train_data)

	</syntaxhighlight>		</syntaxhighlight>
	如果想使用完全代码请参考：https://xgboost.readthedocs.io/en/stable/python		如果想使用完全代码请参考：https://xgboost.readthedocs.io/en/stable/python

2024年1月22日 (一) 03:16 Wurong

2024-01-22T03:16:52Z

@@ 第28行： / 第28行： @@
 }}
 {{Navplate AlgorithmNodeList}}
 [[Category:分类训练器]]

2024年1月19日 (五) 11:29 Zeroclanzhang

2024-01-19T11:29:18Z

←上一版本		2024年1月19日 (五) 19:29的版本
第7行：		第7行：
	\|productionstate={{图标文件\|Win}} / {{图标文件\|W10}} Win10及以上可用		\|productionstate={{图标文件\|Win}} / {{图标文件\|W10}} Win10及以上可用
	\|productionstatedesc=在[[Update:DecisionLinnc 1.0.0.8\|V1.0]]部署		\|productionstatedesc=在[[Update:DecisionLinnc 1.0.0.8\|V1.0]]部署
	\|nodeenglishname=~~[[Has english name::~~Boosting_LightGBM Learner]]		\|nodeenglishname=Boosting_LightGBM Learner
	\|abbreviation=~~[[Has abbreviation::~~LightGBM]]		\|abbreviation=LightGBM
	\|funcmaincategory=机器学习		\|funcmaincategory=机器学习
	\|funcsubcategory=[[DataML Lv1 Cat::分类训练器]]		\|funcsubcategory=[[DataML Lv1 Cat::分类训练器]]

Zeroclanzhang：撤销Zeroclanzhang（讨论）的版本5715

2024-01-19T10:17:49Z

撤销Zeroclanzhang（讨论）的版本5715

←上一版本		2024年1月19日 (五) 18:17的版本
第1行：		第1行：
	~~#Redirect~~ [[LightGBM]]		{{Infobox nodebasic
			\|nodename=LightGBM
			\|nodeimage=Boosting_LightGBM Learner.png
			\|icon=Boosting_LightGBM Learner.svg
			\|simpleicon=Boosting_LightGBM Learner_Pure.svg
			\|developer=Dev.Team-DPS
			\|productionstate={{图标文件\|Win}} / {{图标文件\|W10}} Win10及以上可用
			\|productionstatedesc=在[[Update:DecisionLinnc 1.0.0.8\|V1.0]]部署
			\|nodeenglishname=[[Has english name::Boosting_LightGBM Learner]]
			\|abbreviation=[[Has abbreviation::LightGBM]]
			\|funcmaincategory=机器学习
			\|funcsubcategory=[[DataML Lv1 Cat::分类训练器]]
			\|nodecategory=数据挖掘
			\|nodeinterpretor=Python
			\|nodeshortdescription=<p>LightGBM是一种基于梯度提升树（Gradient Boosting Tree）的机器学习算法，由微软开发。它是一种高效且可扩展的梯度提升树框架，用于解决分类和回归问题。LightGBM的设计目标是提供快速、准确和高效的模型训练和预测。</p>
			\|nodeinputnumber=2
			\|nodeoutputnumber=3
			\|nodeloopsupport=否
			\|nodeifswitchsupport=否
			\|nodeavailableplotlist=nodenoplotoutput
			\|nodeavailabletablelist=Table_For_Downstream
			\|nodeconfiguration=VariableList;DropMenu;Text
			\|nodeinputports=WorkFlow-Control ➤;Transfer-Table ■
			\|nodeoutputports=WorkFlow-Control ➤;Transfer-Model ▶;Transfer-Table ■
			\|statsapewikiurl=https://wiki.statsape.com/LightGBM
			\|previousnode=[[Logistic分类器]]
			\|nextnode=[[随机森林]]
			}}



			{{Navplate AlgorithmNodeList}}

			[[Category:分类训练器]]

Zeroclanzhang：重定向页面至LightGBM

2024-01-19T10:09:23Z

重定向页面至LightGBM

←上一版本		2024年1月19日 (五) 18:09的版本
第1行：		第1行：
	~~{{Infobox nodebasic~~		#Redirect [[LightGBM]]
	~~\|nodename=LightGBM~~
	~~\|nodeimage=Boosting_LightGBM Learner.png~~
	~~\|icon=Boosting_LightGBM Learner.svg~~
	~~\|simpleicon=Boosting_LightGBM Learner_Pure.svg~~
	~~\|developer=Dev.Team-DPS~~
	~~\|productionstate={{图标文件\|Win}} / {{图标文件\|W10}} Win10及以上可用~~
	~~\|productionstatedesc=在[[Update:DecisionLinnc 1.0.0.8\|V1.0]]部署~~
	~~\|nodeenglishname=[[Has english name::Boosting_LightGBM Learner]]~~
	~~\|abbreviation=[[Has abbreviation::LightGBM]]~~
	~~\|funcmaincategory=机器学习~~
	~~\|funcsubcategory=~~[[~~DataML Lv1 Cat::分类训练器]]~~
	~~\|nodecategory=数据挖掘~~
	~~\|nodeinterpretor=Python~~
	\|nodeshortdescription=<p>LightGBM是一种基于梯度提升树（Gradient Boosting Tree）的机器学习算法，由微软开发。它是一种高效且可扩展的梯度提升树框架，用于解决分类和回归问题。LightGBM的设计目标是提供快速、准确和高效的模型训练和预测。</p>
	~~\|nodeinputnumber=2~~
	~~\|nodeoutputnumber=3~~
	~~\|nodeloopsupport=否~~
	~~\|nodeifswitchsupport=否~~
	~~\|nodeavailableplotlist=nodenoplotoutput~~
	~~\|nodeavailabletablelist=Table_For_Downstream~~
	~~\|nodeconfiguration=VariableList;DropMenu;Text~~
	~~\|nodeinputports=WorkFlow-Control ➤;Transfer-Table ■~~
	~~\|nodeoutputports=WorkFlow-Control ➤;Transfer-Model ▶;Transfer-Table ■~~
	~~\|statsapewikiurl=https://wiki.statsape.com/~~LightGBM
	~~\|previousnode=[[Logistic分类器]]~~
	~~\|nextnode=[[随机森林]]~~
	}}



	~~{{Navplate AlgorithmNodeList}}~~

	~~[[Category:分类训练器~~]]

←上一版本		2024年1月19日 (五) 18:09的版本
第1行：		第1行：
	~~{{Infobox nodebasic~~		#Redirect [[LightGBM]]
	~~\|nodename=LightGBM~~
	~~\|nodeimage=Boosting_LightGBM Learner.png~~
	~~\|icon=Boosting_LightGBM Learner.svg~~
	~~\|simpleicon=Boosting_LightGBM Learner_Pure.svg~~
	~~\|developer=Dev.Team-DPS~~
	~~\|productionstate={{图标文件\|Win}} / {{图标文件\|W10}} Win10及以上可用~~
	~~\|productionstatedesc=在[[Update:DecisionLinnc 1.0.0.8\|V1.0]]部署~~
	~~\|nodeenglishname=[[Has english name::Boosting_LightGBM Learner]]~~
	~~\|abbreviation=[[Has abbreviation::LightGBM]]~~
	~~\|funcmaincategory=机器学习~~
	~~\|funcsubcategory=~~[[~~DataML Lv1 Cat::分类训练器]]~~
	~~\|nodecategory=数据挖掘~~
	~~\|nodeinterpretor=Python~~
	\|nodeshortdescription=<p>LightGBM是一种基于梯度提升树（Gradient Boosting Tree）的机器学习算法，由微软开发。它是一种高效且可扩展的梯度提升树框架，用于解决分类和回归问题。LightGBM的设计目标是提供快速、准确和高效的模型训练和预测。</p>
	~~\|nodeinputnumber=2~~
	~~\|nodeoutputnumber=3~~
	~~\|nodeloopsupport=否~~
	~~\|nodeifswitchsupport=否~~
	~~\|nodeavailableplotlist=nodenoplotoutput~~
	~~\|nodeavailabletablelist=Table_For_Downstream~~
	~~\|nodeconfiguration=VariableList;DropMenu;Text~~
	~~\|nodeinputports=WorkFlow-Control ➤;Transfer-Table ■~~
	~~\|nodeoutputports=WorkFlow-Control ➤;Transfer-Model ▶;Transfer-Table ■~~
	~~\|statsapewikiurl=https://wiki.statsape.com/~~LightGBM
	~~\|previousnode=[[Logistic分类器]]~~
	~~\|nextnode=[[随机森林]]~~
	}}



	~~{{Navplate AlgorithmNodeList}}~~

	~~[[Category:分类训练器~~]]

LightGBM - 版本历史

Wurong：​/* 示例代码-LightGBM分类节点 */

Wurong：​/* 参数配置 */

Wurong：​/* 示例代码-LightGBM分类节点 */

Wurong：​/* 算法概述 */

Wurong：​/* 参数配置 */

Wurong：​/* 示例代码-LightGBM分类节点 */

2024年1月22日 (一) 03:16 Wurong

2024年1月19日 (五) 11:29 Zeroclanzhang

Zeroclanzhang：​撤销Zeroclanzhang（讨论）的版本5715

Zeroclanzhang：​重定向页面至LightGBM

Wurong：/* 示例代码-LightGBM分类节点 */

Wurong：/* 参数配置 */

Wurong：/* 示例代码-LightGBM分类节点 */

Wurong：/* 算法概述 */

Wurong：/* 参数配置 */

Wurong：/* 示例代码-LightGBM分类节点 */

Zeroclanzhang：撤销Zeroclanzhang（讨论）的版本5715

Zeroclanzhang：重定向页面至LightGBM