了解机器学习的童鞋们肯定知道集成学习的两个基本方向，boosting和bagging，怎么样，脑子里是不是马上浮现出两幅画面：
bagging----散落满地的树
boosting----直线接力
我在最初接触到集成学习模型的时候首先知道的就是随机森林，那时候随机森林独霸天下，被各路豪杰奉为永远不会过拟合的无尚心法。这就是bagging方法最具代表性的力作。
至于boosting，厉害了word哥，GBDT，听说这东西直接拿残差的方向作为迭代的方向，试了一下，果真十分了得。于是开始学习学习。。。
之后听说了tianqi大神的xgboost,在一个比赛中裸跑分数比我经过特征工程+模型融合的效果还好，真是给跪，扬我国威啊。
xgboost厉害到了什么程度呢？机器学习比赛改名为：xgboost调参比赛。
最近在一个新比赛中又知道了一个新模型，就是题目中提及的LightGBM，我还没来得及实验，听说在很多数据集上表现优异，官方的数据精度高，快，要知道xgboost在单机上迭代还是比较耗时的。在原来的一个比赛上实验后发现速度提升一倍，精度保持不变。
这里是官方地址：
https://github.com/Microsoft/LightGBM
你可以看到，有很多文件的发布时间就在这几天，甚至就在几个小时之前。
先探索下，跑一跑新的比赛试试看。
