2.29 XGBoost、LightGBM、CatBoost对比：三大梯度提升框架选型指南
引言
XGBoost、LightGBM、CatBoost是三大主流的梯度提升框架，各有特点。本文将深入对比这三个框架，帮你选择最适合的工具。
一、三大框架概述
1.1 框架对比
| 框架 | 特点 | 优势 | 劣势 |
|---|---|---|---|
| XGBoost | 最成熟稳定 | 功能全面，文档完善 | 速度相对较慢 |
| LightGBM | 速度最快 | 训练速度快，内存占用小 | 小数据集可能过拟合 |
| CatBoost | 处理类别特征强 | 自动处理类别特征，无需编码 | 速度中等 |
二、XGBoost
2.1 特点和使用
# XGBoost使用importxgboostasxgbdefxgboost_demo():""" XGBoost演示 """# 训练模型model=xgb.XGBClassifier(n_estimators=100,learning_rate=0.1,max_depth=3,random_state=42)# 使用示例数据X,y=make_classification(n_samples=1000,n_features=10,random_state=42)X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.2,random_state=42)model.fit(X_train,y_train)y_pred=model.predict(X_test)accuracy=accuracy_score(y_test,y_pred)print(f"XGBoost准确率:{accuracy:.4f}")returnmodelprint("XGBoost演示函数已准备")三、LightGBM
3.1 特点和使用
# LightGBM使用importlightgbm
)
)
