LightGBM adalah kerangka kerja peningkatan gradien terdistribusi sumber terbuka yang dikembangkan oleh Microsoft. Ini digunakan untuk berbagai tugas pembelajaran mesin termasuk klasifikasi, regresi, dan pemeringkatan. Kerangka kerja ini dirancang untuk memberikan kinerja tinggi, skalabilitas, dan kecepatan pada kumpulan data besar. Fungsi objektif dioptimalkan untuk mengurangi kompleksitas waktu proses pemasangan, dan juga memanfaatkan GPU untuk mencapai kinerja yang lebih baik.
LightGBM sangat cocok untuk membuat aplikasi prediktif berskala besar dan populer di banyak industri seperti keuangan, perawatan kesehatan, dan ritel. Ini juga telah digunakan dalam penelitian dan aplikasi ilmiah.
LightGBM awalnya dibuat oleh Microsoft Research Asia dan bersumber terbuka di GitHub pada tahun 2017. Keunggulan utama LightGBM adalah kinerja tinggi, efisiensi, dan skalabilitas. Ini menyediakan algoritma yang cepat dan akurat untuk kumpulan data besar, dan mendukung fitur kategorikal dan numerik.
LightGBM berfungsi dengan baik di banyak skenario dan tidak memerlukan penyetelan hyperparameter yang ekstensif seperti banyak algoritme peningkatan lainnya. Ini menawarkan akurasi tinggi dan waktu pelatihan yang cepat. Ini juga menyediakan fungsi komputasi paralel yang efisien untuk beberapa GPU dan CPU.
LightGBM dapat digunakan bersama dengan platform lain seperti XGBoost, CatBoost, dan Cognitive Toolkit Microsoft. LightGBM dapat diintegrasikan dengan Python, R, dan Java. Ia juga memiliki API untuk C++, sehingga dapat digunakan untuk memproduksi model berbasis C++.
