LightGBM与XGBoost对比:
- 模型精度:两个模型相当
- 训练速度:LightGBM训练速度更快 => 1/10
- 内存消耗:LightGBM占用内存更小 => 1/6
- 特征缺失值:两个模型都可以自动处理特征缺失值
- 分类特征:XGBoost不支持类别特征,需要对其进行OneHot编码,而LightGBM支持分类特征
XGBoost模型的复杂度:
- 模型复杂度 = 树的棵数 X 每棵树的叶子数量 X 每片叶子生成复杂度
- 每片叶子生成复杂度 = 特征数量 X 候选分裂点数量 X 样本的数量
LightGBM针对XGBoost的优化:
- Histogram算法,直方图算法 => 减少候选分裂点数量
- GOSS算法,基于梯度的单边采样算法 => 减少样本的数量
- EFB算法,互斥特征捆绑算法 => 减少特征的数量
- LightGBM = XGBoost + Histogram + GOSS + EFB
Histogram算法-减少分类算法
- 替代XGBoost的预排序算法
- 思想是先连续的浮点特征值离散化成k个整数,同时构造一个宽度为k的直方图,即将连续特征值离散化到k个bins上(比如k=255)
- 当遍历一次数据后,直方图累积了需要的统计量,然后根据直方图的离散值,遍历寻找最优的分割点
- XGBoost需要遍历所有离散化的值,LightGBM只要遍历k个直方图的值
- 候选分裂点数量 = k-1
GOSS算法-减少样本数量:
- Gradient-based One-Side Sampling,基于梯度的单边采样算法
- 思想是通过样本采样,减少目标函数增益Gain的计算复杂度
- 单边采样,只对梯度绝对值较小的样本按照一定比例进行采样,而保留了梯度绝对值较大的样本
- 因为目标函数增益主要来自于梯度绝对值较大的样本 => GOSS算法在性能和精度之间进行了很好的trade off
EFB算法-减少特征数量:
- Exclusive Feature Bundling,互斥特征绑定算法
- 思想是特征中包含大量稀疏特征的时候,减少构建直方图的特征数量,从而降低计算复杂度
- 数据集中通常会有大量的稀疏特征(大部分为0,少量为非0)我们认为这些稀疏特征是互斥的,即不会同时取非零值
- EFB算法可以通过对某些特征的取值重新编码,将多个这样互斥的特征绑定为一个新的特征
- 类别特征可以转换成onehot编码,这些多个特征的onehot编码是互斥的,可以使用EFB将他们绑定为一个特征
- 在LightGBM中,可以直接将每个类别取值和一个bin关联,从而自动地处理它们,也就无需预处理成onehot编码
具体可参考:https://zhuanlan.zhihu.com/p/99069186