LightGBM
Gradient boosting basado en histogramas, optimizado para velocidad en datasets grandes.
CategoríaMachine Learning
DificultadIntermedio
Tiempo de aprendizaje2-3 semanas
¿Qué puedes lograr con esta herramienta?
Los resultados prácticos que desbloquea.
- Entrenar modelos de boosting varias veces más rápido que XGBoost en datasets grandes
- Manejar millones de filas y cientos de features con bajo consumo de memoria
- Usar crecimiento de árbol leaf-wise para mayor precisión con el mismo número de hojas
Descripción
LightGBM, desarrollado por Microsoft, usa un algoritmo basado en histogramas y crecimiento de árbol leaf-wise que lo hace notablemente más rápido y eficiente en memoria que XGBoost en datasets grandes, sin sacrificar precisión.
Casos de uso
- Modelos de boosting sobre datasets de millones de filas
- Sistemas de recomendación y ranking
- Detección de fraude
- Competencias de ML con restricciones de tiempo de entrenamiento
Instalación
pip install lightgbmEjemplo básico
import lightgbm as lgb
model = lgb.LGBMClassifier(n_estimators=300)
model.fit(X_train, y_train)
print(model.score(X_test, y_test))Ventajas y limitaciones
Ventajas
- Entrenamiento muy rápido y eficiente en memoria
- Excelente en datasets de gran volumen
- Soporta features categóricas nativamente
Limitaciones
- Crecimiento leaf-wise puede sobreajustar en datasets pequeños
- Requiere más cuidado al tunear que modelos más simples
Alternativas
Herramientas que resuelven un problema parecido de otra forma.