LightGBM

Gradient boosting basado en histogramas, optimizado para velocidad en datasets grandes.

CategoríaMachine Learning
DificultadIntermedio
Tiempo de aprendizaje2-3 semanas
Official documentation

¿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

Instalarbash
pip install lightgbm

Ejemplo básico

Ejemplo básicopython
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.