🔑 名詞卡
LightGBM（Light Gradient Boosting Machine）
🎯 定義
梯度提升（GBDT）的高效工程實作版本，採用「葉子式生長（Leaf-wise）」分裂策略與 Histogram-based 計算，對大數據、大特徵數問題尤其高效。
重點／應用
- 生長策略：優先分裂能帶來最大增益（max gain）的葉節點，樹垂直生長，形成更深但不均勻的樹結構。
- 相較 XGBoost 通常能更快達到更高準確度，記憶體使用更省。
- 缺點：小型資料集上 Leaf-wise 容易生成不平衡樹，須搭配 max_depth 限制，否則易過擬合。
記憶技巧
「LightGBM 挑最有效益的葉子往下長高（Leaf-wise），跑得比 XGBoost 更快更省」。
易混淆
- vs XGBoost：LightGBM 為 Leaf-wise（葉子式）生長，XGBoost 為 Level-wise（層級式）生長。
📖 課文原文「LightGBM（Light Gradient Boosting Machine）採用『葉子式生長』Leaf-wise 分裂策略，而非如 XGBoost 採用的 Level-wise 分裂策略，讓演算法在更少計算下達到更好的效果。」