本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
LightGBM 實作了傳統的梯度增強決策樹 (GBDT) 演算法，並加入了兩種新型技術：基於梯度的單側採樣 (GOSS) 和互斥特徵綁定 (EFB)。這些技術旨在大幅改善 GBDT 的效率和可擴展性。
LightGBM 演算法在機器學習競爭間表現良好，因為它具備的強大功能可處理各種資料類型、關係、發佈以及各種您可以微調的超參數。您可以將 LightGBM 用於迴歸、分類 (二進位和多類別) 和排名問題。
如需有關梯度增強的更多資訊，請參閱SageMaker AI XGBoost 演算法的運作方式。如需有關 LightGbM 方法中使用的其他 GOSS 和 EFB 技術的深入詳細資訊，請參閱 LightGBM：高效率梯度增強決策樹
