LightGBM 由微软提出，主要用于解决 GDBT 在海量数据中遇到的问题，以便其可以更好更快地用于工业实践中。其相对 XGBoost 具有训练速度快、内存占用低的特点。主要有以下一些优化点：
[Read More]
279. Perfect Squares
Medium
Description
[Read More]
Softmax Regression
References
Softmax Regression
Softmax 回归
Training Models With Python
For Machine Learning and Data Mining
LightGBM
```python
lightgbm
params = {
‘learning_rate’: 0.01,
‘boosting_type’: ‘gbdt’,
‘objective’: ‘regression_l1’,
‘metric’: ‘mae’,
‘feature_fraction’: 0.6,
‘bagging_fraction’: 0.8,
‘bagging_freq’: 2,
‘num_leaves’: 31,
‘verbose’: -1,
‘max_depth’: 5,
‘lambda_l1’: 0,
‘lambda_l2’: 2.5,
‘nthread’: 4
}
[Read More]
890. Find and Replace Pattern
Medium
Description
[Read More]
Resampling
重采样
采样，顾名思义，就是从特定的概率分布中抽取相应样本点的过程。采样在机器学习中有着非常重要的应用：它可以将复杂的分布简化为离散的样本点；可以用重采样对样本集进行调整以更好地适应后期的模型学习；可以用于随机模拟以进行复杂模型的近似求解或推理。另外，采样在数据可视化方面也有很多应用，可以帮助人们快速、直观地了解数据的结构和特性。
[Read More]