待验证50% 置信事实精确时间
LightGBM于2017年由微软推出，采用基于梯度的单侧采样（GOSS）和互斥特征捆绑（EFB）使训练速度提升10倍以上
1
来源数
50%
置信度
长期有效
时效性
2026/7/12
首次发现
来源
从零训练机器学习模型：新手完整入门指南
redditr/learnmachinelearning2026/7/11
相关事实
待验证LightGBM 采用基于梯度的单边采样（GOSS）与互斥特征捆绑（EFB），大幅压缩内存占用和训练时间84% 相似已验证LightGBM由微软研发，优化了大数据场景下的训练速度83% 相似已验证LightGBM是微软开源的梯度提升决策树框架，相较于XGBoost采用了基于直方图的决策树算法和叶子优先（leaf-wise）的树生长策略，在大规模数据集上训练速度更快、内存占用更低74% 相似待验证LightGBM在大规模数据集上的训练速度显著快于XGBoost，同时在多数基准测试中保持相当或更好的精度70% 相似待验证DeepSeek等国产模型成本突破得益于MoE稀疏架构、FlashAttention注意力加速技术和高效分布式训练调度策略61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/492023API
curl https://kongchang.com/api/v1/knowledge/claims/492023MCP
get_claim(id=492023)