Kas yra EFB ir GOSS LightGBM?

LightGBM yra dvi optimizavimo technikos, vadinamos EFB (Exclusive Feature Bundling) ir GOSS (Gradient-based One-Side Sampling), kurios pagerina modelio našumą ir mokymosi greitį.

• EFB (Išskirtinis savybių sujungimas): metodas, kuris sujungia tarpusavyje išskirtines savybes į vieną, siekiant sumažinti duomenų matmenis ir pagreitinti mokymą. Pavyzdžiui, jei dvi savybės niekada kartu nepriima nulių reikšmių, jas galima sujungti į vieną, išlaikant informaciją, bet sumažinant savybių skaičių.

• GOSS (Gradient-based One-Side Sampling): technika, skirta pasirinkti duomenų pogrupį mokymuisi, kurioje išsaugomi visi pavyzdžiai su dideliais gradientais (tai yra tie, kuriuose modelis daro didesnes klaidas), o iš mažų gradientų pavyzdžių imamas atsitiktinis pavyzdys. Tai leidžia sutelkti dėmesį į sudėtingus pavyzdžius ir pagreitinti mokymąsi be reikšmingo kokybės praradimo.

Abi technikos padeda LightGBM efektyviai dirbti su dideliais ir retais lentelės duomenimis, gerindamos greitį ir kokybę.