Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# LightGBM
<a name="lightgbm"></a>

[LightGBM](https://lightgbm.readthedocs.io/en/latest/) è un'implementazione open source popolare ed efficiente dell'algoritmo degli alberi delle decisioni di gradient boosting (Gradient Boosting Decision Tree, GBDT). Il GBDT è un'algoritmo di apprendimento supervisionato che tenta di prevedere con precisione una variabile di destinazione combinando un insieme di stime da un set di modelli più semplici e deboli. LightGBM utilizza tecniche aggiuntive per migliorare significativamente l'efficienza e la scalabilità del GBDT convenzionale. Questa pagina include informazioni sui suggerimenti sulle istanze EC2 e sui notebook di esempio per LightGBM.

## Suggerimento sulle istanze EC2 per l'algoritmo LightGBM
<a name="Instance-LightGBM"></a>

SageMaker AI LightGBM attualmente supporta l'addestramento della CPU a istanza singola e multiistanza. Per l'addestramento della CPU a più istanze (addestramento distribuito), specifica un valore `instance_count` maggiore di 1 quando definisci il tuo strumento di valutazione. Per ulteriori informazioni sulla formazione distribuita con LightGBM, consulta [Amazon SageMaker AI LightGBM Distributed](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_applying_machine_learning/sagemaker_lightgbm_distributed_training_dask/sagemaker-lightgbm-distributed-training-dask.html) training using Dask.

LightGBM è un algoritmo basato su memoria e non su calcolo, Pertanto, un'istanza di calcolo a scopo generico (ad esempio, M5) rappresenta una scelta migliore rispetto a un'istanza ottimizzata per il calcolo (ad esempio, C5). Inoltre, consigliamo di disporre di memoria sufficiente nelle istanze selezionate per conservare i dati di addestramento. 

## Notebook di esempio LightGBM
<a name="lightgbm-sample-notebooks"></a>

La tabella seguente illustra una serie di notebook di esempio che affrontano diversi casi d'uso dell'algoritmo Amazon SageMaker AI LightGBM.


****  

| **Titolo del notebook** | **Descrizione** | 
| --- | --- | 
|  [Classificazione tabulare con Amazon SageMaker AI LightGBM e algoritmo CatBoost ](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/lightgbm_catboost_tabular/Amazon_Tabular_Classification_LightGBM_CatBoost.html)  |  Questo notebook dimostra l'uso dell'algoritmo Amazon SageMaker AI LightGBM per addestrare e ospitare un modello di classificazione tabulare.   | 
|  [Regressione tabulare con Amazon SageMaker AI LightGBM e algoritmo CatBoost ](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_amazon_algorithms/lightgbm_catboost_tabular/Amazon_Tabular_Regression_LightGBM_CatBoost.html)  |  Questo notebook dimostra l'uso dell'algoritmo Amazon SageMaker AI LightGBM per addestrare e ospitare un modello di regressione tabulare.   | 
|  [Formazione distribuita su Amazon SageMaker AI LightGBM con Dask](https://sagemaker-examples.readthedocs.io/en/latest/introduction_to_applying_machine_learning/sagemaker_lightgbm_distributed_training_dask/sagemaker-lightgbm-distributed-training-dask.html)  |  Questo notebook dimostra la formazione distribuita con l'algoritmo Amazon SageMaker AI LightGBM utilizzando il framework Dask.  | 

Per istruzioni su come creare e accedere alle istanze di notebook Jupyter da utilizzare per eseguire l'esempio in AI, consulta. SageMaker [Istanze SageMaker per notebook Amazon](nbi.md) Dopo aver creato un'istanza di notebook e averla aperta, scegli la scheda **Esempi SageMaker AI** per visualizzare un elenco di tutti gli esempi di IA. SageMaker Per aprire un notebook, seleziona la relativa scheda **Utilizza** e scegli **Crea copia**.