GBDT

算法介绍

LightGBM: a highly efficient gradient boosting decision tree （GBDT）：LightGBM是一种高效的GBDT实现，采用了两项关键技术来提升高维大数据场景下的效率与可扩展性：梯度一侧采样（GOSS）和互斥特征捆绑（EFB）。GOSS通过筛除梯度较小的数据实例，仅使用梯度较大的部分估算信息增益，从而在显著减少数据量的同时保持精度；EFB通过将互斥特征捆绑在一起，减少特征数量，优化计算开销。实验表明，LightGBM相比传统GBDT实现训练速度提升超过20倍，同时几乎不损失精度。

模型信息

模型更新日期和预测日期：

信号预测结果

未来1日信号预测排序前10：

未来1日信号预测排序末10：

回测结果报告

风险分析报告

信号预测模型评估

参考文献

• Ke G, Meng Q, Finley T, et al. Lightgbm: A highly efficient gradient boosting decision tree[J]. Advances in neural information processing systems, 2017, 30.