文章目录
前言
上回说到Xgboost是数据竞赛大杀器,那它有没有缺点呢?答案是肯定的,简单来说就是训练速度慢、内存占用高。
所以呢,大佬就对其进行了改良,一方面呢,延续了 XGBoost 的那一套集成学习的方式;另一方面呢,相对于xgboost,具有训练速度快和内存占用率低的特点。它就是这一步要介绍的,LightGBM。
LightGBM的设计初衷就是提供一个快速高效、低内存占用、高准确度、支持并行和大规模数据处理的数据科学工具。
具体怎么改良的,就不细说了,有兴趣的可以自行百度食用。
我们直接上代码实战,继续SUV的例子:
一、导入库与数据
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from sklearn.metrics import confusion_matrix
from sklearn.preprocessing import StandardS