<img src=https://github.com/microsoft/LightGBM/blob/master/docs/logo/LightGBM_logo_black_text.svg width=300 />
LightGBM是一个使用基于树的学习算法的梯度提升框架。它的设计注重分布式和高效,具有以下优势:
更多详细信息,请参阅特性。
得益于这些优势,LightGBM在许多机器学习竞赛的获胜方案中被广泛使用。
在公共数据集上的对比实验表明,LightGBM在效率和准确性方面都可以优于现有的提升框架,同时显著降低内存消耗。此外,分布式学习实验显示,在特定设置下,LightGBM可以通过使用多台机器进行训练来实现线性加速。
我们的主要文档位于https://lightgbm.readthedocs.io/,并从此存储库生成。如果你是LightGBM的新用户,请按照该网站上的[安装说明](https://lightgbm.readthedocs.io/en/latest/Installation-Guide.html)进行操作。
接下来你可能想阅读:
贡献者文档:
请参阅GitHub releases页面的更新日志。
这里列出的项目提供了使用LightGBM的替代方法。
它们不由LightGBM
开发团队维护或正式认可。
LightGBMLSS(LightGBM的扩展,用于概率建模,可从中得出预测区间和分位数):https://github.com/StatMixedML/LightGBMLSS
FLAML(用于超参数优化的AutoML库):https://github.com/microsoft/FLAML
Optuna(超参数优化框架):https://github.com/optuna/optuna
Julia包:https://github.com/IQVIA-ML/LightGBM.jl
JPMML(Java PMML转换器):https://github.com/jpmml/jpmml-lightgbm
Nyoka(Python PMML转换器):https://github.com/SoftwareAG/nyoka
Treelite(用于高效部署的模型编译器):https://github.com/dmlc/treelite
lleaves(基于LLVM的模型编译器,用于高效推理):https://github.com/siboehm/lleaves
Hummingbird(将模型编译为张量计算):https://github.com/microsoft/hummingbird
cuML森林推理库(GPU加速推理):https://github.com/rapidsai/cuml
daal4py(Intel CPU加速推理):https://github.com/intel/scikit-learn-intelex/tree/master/daal4py
m2cgen(各种语言的模型应用器):https://github.com/BayesWitnesses/m2cgen
leaves(Go语言模型应用器):https://github.com/dmitryikh/leaves
ONNXMLTools(ONNX转换器):https://github.com/onnx/onnxmltools
SHAP(模型输出解释器):https://github.com/slundberg/shap
Shapash(模型可视化和解释):https://github.com/MAIF/shapash dtreeviz(决策树可视化和模型解释):https://github.com/parrt/dtreeviz
SynapseML(Spark 上的 LightGBM):https://github.com/microsoft/SynapseML
Kubeflow Fairing(Kubernetes 上的 LightGBM):https://github.com/kubeflow/fairing
Kubeflow Operator(Kubernetes 上的 LightGBM):https://github.com/kubeflow/xgboost-operator
lightgbm_ray(Ray 上的 LightGBM):https://github.com/ray-project/lightgbm_ray
Mars(Mars 上的 LightGBM):https://github.com/mars-project/mars
ML.NET(.NET/C# 包):https://github.com/dotnet/machinelearning
LightGBM.NET(.NET/C# 包):https://github.com/rca22/LightGBM.Net
Ruby gem:https://github.com/ankane/lightgbm-ruby
LightGBM4j(Java 高级绑定):https://github.com/metarank/lightgbm4j
lightgbm3(Rust 绑定):https://github.com/Mottl/lightgbm3-rs
MLflow(实验跟踪、模型监控框架):https://github.com/mlflow/mlflow
{bonsai}
(R {parsnip}
兼容接口):https://github.com/tidymodels/bonsai
{mlr3extralearners}
(R {mlr3}
兼容接口):https://github.com/mlr-org/mlr3extralearners
lightgbm-transform(特征转换绑定):https://github.com/microsoft/lightgbm-transform
postgresml
(通过 Postgres 扩展在 SQL 中进行 LightGBM 训练和预测):https://github.com/postgresml/postgresml
vaex-ml
(具有自己的 LightGBM 接口的 Python DataFrame 库):https://github.com/vaexio/vaex
lightgbm
标签提问,我们会关注新问题。请查看 CONTRIBUTING 页面。
本项目采用了微软开源行为准则。有关更多信息,请参阅行为准则常见问题解答或联系 opencode@microsoft.com。
Yu Shi, Guolin Ke, Zhuoming Chen, Shuxin Zheng, Tie-Yan Liu. "梯度提升决策树的量化训练"。神经信息处理系统进展 35(NeurIPS 2022),第 18822-18833 页。
Guolin Ke, Qi Meng, Thomas Finley, Taifeng Wang, Wei Chen, Weidong Ma, Qiwei Ye, Tie-Yan Liu. "LightGBM:高效梯度提升决策树"。神经信息处理系统进展 30(NIPS 2017),第 3149-3157 页。
Qi Meng, Guolin Ke, Taifeng Wang, Wei Chen, Qiwei Ye, Zhi-Ming Ma, Tie-Yan Liu. "一种高效通信的并行决策树算法"。神经信息处理系统进展 29(NIPS 2016),第 1279-1287 页。
Huan Zhang, Si Si and Cho-Jui Hsieh. "大规模树提升的 GPU 加速"。SysML 会议,2018。
本项目基于 MIT 许可证条款授权。有关其他详细信息,请参阅 LICENSE。
AI Excel全自动制表工具
AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。
基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。
UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。
开源且先进的大规模视频生成模型项目
Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。
全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表
爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。
一款强大的视觉语言模型,支持图像和视频输入
Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。
HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。
HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。
一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。
WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。
基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。
xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目 涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。
一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。
olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。
飞书多维表格 ×DeepSeek R1 满血版
飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。
最新AI工具、AI资讯
独家AI资源、AI项目落 地
微信扫一扫关注公众号