待验证50% 置信基准精确时间
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
1
来源数
50%
置信度
长期有效
时效性
2026/8/9
首次发现
来源
相关事实
已验证LightGBM由微软研发，优化了大数据场景下的训练速度79% 相似待验证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72% 相似待验证梯度提升树（如XGBoost、LightGBM）长期以来在结构化数据任务上优于深度学习方法，因表格数据特征异质性强、样本量有限且缺乏局部连续性假设71% 相似待验证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70% 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69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/718984API
curl https://kongchang.com/api/v1/knowledge/claims/718984MCP
get_claim(id=718984)