学习笔记：聚类降维矩阵分解

版权声明： https://blog.csdn.net/qq_31239495/article/details/80320627

学习内容：

        lightgbm, pca, clustering, k-means

关键词：

        聚类，降维

LightGBM：

        LightGBM（Light Gradient Boosting Machine）是微软开发基于决策树算法的分布式梯度提升框架．支持高效率并行运算，低内存消耗，高准确率分布式支持．

         LightGBM优化：

            基于Histogram的决策树算法，仅需要存储离散化后的数值，不需要原始特征值无需排序，相对于xgboost的exact算法，内存占用量为xgboost的１/8．同时，对每个个正计算增益点的次数减少，次数为bin次．带有深度限制的leaf-wise算法（leaf-wise高精度，容易过拟合，level-wise低效，易进行多线程工作）．LightGBM可以直接支持类别特征

        LightGBM使用：

             imort lightgbm as lgb 或者from sklearn import lgb.sklearn.LGBMClassifier

第一步构造dataset:

第二步进行训练：

第三部进行评价：