1)更快的訓練速度和更高的效率:LightGBM使用基於直方圖的算法。
2)更低的內存占用:使用離散的箱子(bins)保存並替換連續值導致更少的內存占用。
3)更高的準確率(相比於其他任何提升算法):它通過leaf-wise分裂方法產生比level-wise分裂方法更復雜的樹,這就是實現更高準確率的主要因素。然而,它有時候或導致過擬合,但是我們可以通過設置|max-depth|參數來防止過擬合的發生。
4)大數據處理能力:相比於XGBoost,由於它在訓練時間上的縮減,它同樣能夠具有處理大數據的能力。
5)支持並行學習。