lightGBM可以用来解决大多数表格数据问题的算法。有很多很棒的功能，并且在kaggle这种该数据比赛中会经常使用。 但我一直对了解哪些参数对性能的影响最大以及我应该如何调优lightGBM参数以最大限度地利用它很感兴趣。 我想我应该做一些研究，了解更多关于 ...

为解决核电站(NPPs)传统人工监测易出错的问题，Sharjah大学团队通过GPWR模拟器生成PORV故障和SBO事故数据，采用LightGBM等8种机器学习模型对关键参数(平均温度、加压水温度等)进行分析，最终LightGBM以98%的F1-score成为最优模型，为核安全提供了可解释的AI决策支持框架。

Stanford ML Group 最近在他们的论文中发表了一个新算法，其实现被称为 NGBoost。该算法利用自然梯度将不确定性估计引入到梯度增强中。本文试图了解这个新算法，并与其他流行的 boosting 算法 LightGBM 和 XGboost 进行比较，以了解它在实践中是如何工作的。 正如我在 ...

本刊推荐：针对下盏肾结石（LPS）因解剖特征复杂导致逆行肾内手术（RIRS）后无石率（SFR）不佳的临床难题，高雄医学大学与首尔大学医院联合开发LightGBM机器学习模型。研究整合结石负荷、亨氏单位（HU）、肾盂下盏角（PSA）等关键特征，外部验证准确率达77.1% ...

A multi-class classification problem is one where the goal is to predict a discrete variable that has three or more possible values. For example, you might want to predict a person's political leaning ...