Glossário IA
O dicionário completo da Inteligência Artificial
Exclusive Feature Bundling (EFB)
Otimização exclusiva do LightGBM que agrupa recursos mutualmente exclusivos para reduzir dimensionalidade e acelerar o treinamento sem perda de informação.
Gradient-based One-Side Sampling (GOSS)
Método de amostragem que mantém todas as instâncias com grandes gradientes e faz amostragem aleatória daquelas com pequenos gradientes, acelerando o treinamento ao mesmo tempo em que mantém a precisão.
Max leaves
Parâmetro que controla o número máximo de folhas em cada árvore, influenciando diretamente a complexidade do modelo e o risco de overfitting no LightGBM.
Learning rate shrinkage
Taxa de aprendizado usada para ponderar a contribuição de cada árvore no modelo final, controlando a velocidade de convergência e a regularização do gradient boosting.
Bagging fraction
Proporção de amostras de treinamento utilizadas para construir cada árvore, implementando uma forma de bagging para reduzir o overfitting no LightGBM.
Feature fraction
Percentual de recursos selecionados aleatoriamente para cada iteração de treinamento, introduzindo estocasticidade para melhorar a generalização do modelo.
Categorical feature handling
Capacidade nativa do LightGBM de lidar eficientemente com variáveis categóricas sem codificação prévia, usando algoritmos otimizados para encontrar os melhores pontos de divisão.
Regularization parameters
Parâmetros como lambda_l1 e lambda_l2 controlando penalizações L1 e L2 sobre os pesos das folhas para prevenir overfitting nos modelos LightGBM.
Tree construction parallelism
Capacité de LightGBM à paralléliser la construction des arbres au niveau des caractéristiques (feature parallel) ou des données (data parallel) pour accélérer l'entraînement.
Leaf-wise bias correction
Technique de correction du biais inhérent à la croissance leaf-wise qui tend à favoriser les arbres déséquilibrés, ajustant les prédictions finales pour maintenir l'impartialité.
Gradient statistics
Statistiques de gradient et de hessien accumulées dans chaque nœud pour évaluer la qualité des divisions potentielles selon la théorie du gradient boosting.
Prediction speed
Avantage de LightGBM offrant des prédictions extrêmement rapides grâce à la structure leaf-wise compacte des arbres et aux optimisations d'inférence implémentées.