Mis on EFB ja GOSS LightGBM-is?

LightGBM-is on kaks optimeerimistehnikat, mida nimetatakse EFB (Exclusive Feature Bundling) ja GOSS (Gradient-based One-Side Sampling), mis parandavad mudeli jõudlust ja õppimiskiirust.

• EFB (Eksklusiivne omaduste ühendamine): meetod, mis ühendab vastastikku välistavaid omadusi üheks, et vähendada andmete mõõtmeid ja kiirendada õppimist. Näiteks, kui kaks omadust ei võta kunagi samaaegselt mitte-nulle väärtusi, saab need ühendada üheks, säilitades teabe, kuid vähendades omaduste arvu.

• GOSS (Gradient-based One-Side Sampling): tehnika andmekogumi alamhulga valimiseks õppimiseks, kus säilitatakse kõik suure gradientidega näited (st need, mille puhul mudel teeb rohkem vigu), ja väikeste gradientidega näidetest valitakse juhuslik näide. See võimaldab keskenduda keerulistele näidetele ja kiirendada õppimist ilma olulise kvaliteedi kaota.

Mõlemad tehnikad aitavad LightGBM-il tõhusalt töötada suurte ja hõredate tabelandmete ning parandada kiirust ja boostimise kvaliteeti.