Seleccione sus preferencias de cookies

Usamos cookies esenciales y herramientas similares que son necesarias para proporcionar nuestro sitio y nuestros servicios. Usamos cookies de rendimiento para recopilar estadísticas anónimas para que podamos entender cómo los clientes usan nuestro sitio y hacer mejoras. Las cookies esenciales no se pueden desactivar, pero puede hacer clic en “Personalizar” o “Rechazar” para rechazar las cookies de rendimiento.

Si está de acuerdo, AWS y los terceros aprobados también utilizarán cookies para proporcionar características útiles del sitio, recordar sus preferencias y mostrar contenido relevante, incluida publicidad relevante. Para aceptar o rechazar todas las cookies no esenciales, haga clic en “Aceptar” o “Rechazar”. Para elegir opciones más detalladas, haga clic en “Personalizar”.

LightGBM

Modo de enfoque
LightGBM - Amazon SageMaker AI

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

LightGBM es una implementación de código abierto popular y eficiente del algoritmo Gradient Boosting Decision Tree (GBDT). GBDT es un algoritmo de aprendizaje supervisado que intenta predecir adecuadamente una variable objetivo mediante la combinación de un conjunto de estimaciones a partir de un conjunto de modelos más simples y más débiles. LightGBM utiliza técnicas adicionales para mejorar significativamente la eficiencia y la escalabilidad de la GBDT convencional. Esta página incluye información sobre las recomendaciones de EC2 instancias de Amazon y cuadernos de muestra para LightGBM.

Recomendación de EC2 instancias de Amazon para el algoritmo LightGBM

SageMaker Actualmente, AI LightGBM admite el entrenamiento de CPU en una o varias instancias. Para el entrenamiento de CPU en varias instancias (entrenamiento distribuido), especifique un valor instance_count mayor que 1 cuando defina su estimador. Para obtener más información sobre la formación distribuida con LightGBM, consulte Formación distribuida de Amazon SageMaker AI LightGBM con Dask.

LightGBM es un algoritmo de vinculación de memoria (a diferencia de la vinculación de computación). Por lo tanto, una instancia de computación de uso general (por ejemplo, M5) es una opción mejor que una instancia optimizada para la computación (por ejemplo, C5). Además, recomendamos que disponga de suficiente memoria en total en las instancias seleccionadas para almacenar los datos de capacitación.

Ejemplos de cuadernos LightGBM

En la siguiente tabla se describen varios ejemplos de libretas que abordan distintos casos de uso del algoritmo LightGBM de Amazon SageMaker AI.

Título del cuaderno Descripción

Clasificación tabular con Amazon SageMaker AI LightGBM y algoritmo CatBoost

Este cuaderno muestra el uso del algoritmo Amazon SageMaker AI LightGBM para entrenar y alojar un modelo de clasificación tabular.

Regresión tabular con Amazon SageMaker AI LightGBM y algoritmo CatBoost

En este cuaderno se muestra el uso del algoritmo LightGBM de Amazon SageMaker AI para entrenar y alojar un modelo de regresión tabular.

Capacitación distribuida de Amazon SageMaker AI LightGBM con Dask

Este cuaderno muestra el entrenamiento distribuido con el algoritmo LightGBM de Amazon SageMaker AI mediante el marco Dask.

Para obtener instrucciones sobre cómo crear instancias de Jupyter Notebook y acceder a ellas, que puede utilizar para ejecutar el ejemplo en IA, consulte. SageMaker Instancias de Amazon SageMaker Notebook Tras crear una instancia de bloc de notas y abrirla, selecciona la pestaña Ejemplos de SageMaker IA para ver una lista de todos los ejemplos de SageMaker IA. Para abrir un bloc de notas, elija su pestaña Usar y elija Crear copia.

PrivacidadTérminos del sitioPreferencias de cookies
© 2025, Amazon Web Services, Inc o sus afiliados. Todos los derechos reservados.