LightGBM

(★ 18,706)

의사결정 나무 알고리즘을 기반으로 한 빠르고 분산된 고성능 그래디언트 부스팅(GBT, GBDT, GBRT, GBM 또는 MART) 프레임워크로, 랭킹, 분류 및 기타 여러 머신러닝 작업에 사용됩니다.

파일 탐색기

최종 버전 다운로드 (.zip)

- - ci-core.txt
  - README.md
- - requirements-latest.txt
  - requirements-oldest.txt
- append-comment.sh
- build-docs.R
- build-docs.sh
- check-dynamic-dependencies.sh
- check-omp-pragmas.sh
- check-python-dists.sh
- check-workflow-status.sh
- create-nuget.py
- download-artifacts.sh
- install-opencl.ps1
- install-r-deps.R
- lint-all.sh
- lint-powershell.ps1
- lint-r-code.R
- parameter-generator.py
- README.md
- rerun-workflow.sh
- run-r-cmd-check.sh
- set-commit-status.sh
- setup.sh
- test-python-latest.sh
- test-python-oldest.sh
- test-r-package-valgrind.sh
- test-r-package-windows.ps1
- test-r-package.sh
- test-windows.ps1
- test.sh
- update-version.sh
- - BUG_REPORT.md
  - FEATURE_REQUEST.md
- - build.yml
  - cpp.yml
  - cuda.yml
  - lock.yml
  - lychee.yml
  - no_response.yml
  - optional_checks.yml
  - python_package.yml
  - r_configure.yml
  - r_package.yml
  - r_valgrind.yml
  - release_drafter.yml
  - static_analysis.yml
  - swig.yml
- CODEOWNERS
- dependabot.yml
- release-drafter.yml
- - FindLibR.cmake
  - FindNCCL.cmake
- IntegratedOpenCL.cmake
- Sanitizer.cmake
- Utils.cmake
- - dockerfile-cli-only-distroless.gpu
  - dockerfile-cli-only.gpu
  - dockerfile.gpu
  - README.md
- dockerfile-cli
- dockerfile-python
- dockerfile-r
- README.md
- - LightGBM-logo-hex.cdr
  - LightGBM-logo-hex.svg
  - LightGBM_logo-hex.png
  - LightGBM_logo.cdr
  - LightGBM_logo_black_text.svg
  - LightGBM_logo_black_text_huge.png
  - LightGBM_logo_black_text_large.png
  - LightGBM_logo_black_text_medium.png
  - LightGBM_logo_black_text_small.png
  - LightGBM_logo_black_text_tiny.png
  - LightGBM_logo_grey_text.svg
  - LightGBM_logo_grey_text_huge.png
  - LightGBM_logo_grey_text_large.png
  - LightGBM_logo_grey_text_medium.png
  - LightGBM_logo_grey_text_small.png
  - LightGBM_logo_grey_text_tiny.png
  - LightGBM_logo_no_text.svg
  - LightGBM_logo_no_text_huge.png
  - LightGBM_logo_no_text_large.png
  - LightGBM_logo_no_text_medium.png
  - LightGBM_logo_no_text_small.png
  - LightGBM_logo_no_text_tiny.png
- .lychee.toml
- Advanced-Topics.rst
- build-docs.sh
- C-API.rst
- conf.py
- Development-Guide.rst
- env.yml
- Experiments.rst
- FAQ.rst
- Features.rst
- gcc-Tips.rst
- GPU-Performance.rst
- GPU-Targets.rst
- GPU-Tutorial.rst
- GPU-Windows.rst
- index.rst
- Installation-Guide.rst
- Key-Events.md
- make.bat
- Makefile
- Parallel-Learning-Guide.rst
- Parameters-Tuning.rst
- Parameters.rst
- Python-API.rst
- Python-Intro.rst
- Quick-Start.rst
- README.rst
- - binary.test
  - binary.test.weight
  - binary.train
  - binary.train.weight
  - forced_splits.json
  - predict.conf
  - README.md
  - train.conf
  - train_linear.conf
- - predict.conf
  - rank.test
  - rank.test.query
  - rank.train
  - rank.train.query
  - README.md
  - train.conf
- - multiclass.test
  - multiclass.train
  - predict.conf
  - README.md
  - train.conf
- - binary.test
  - binary.train
  - mlist.txt
  - predict.conf
  - README.md
  - train.conf
- - advanced_example.py
  - dataset_from_multi_hdf5.py
  - logistic_regression.py
  - plot_example.py
  - README.md
  - simple_example.py
  - sklearn_example.py
- - forced_bins.json
  - forced_bins2.json
  - predict.conf
  - README.md
  - regression.test
  - regression.test.init
  - regression.train
  - regression.train.init
  - train.conf
- - predict.conf
  - rank.test
  - rank.test.query
  - rank.train
  - rank.train.query
  - README.md
  - train.conf
- README.md
- compute
- eigen
- fast_double_parser
- fmt
- nanoarrow
- - application.h
  - arrow.h
  - bin.h
  - boosting.h
  - c_api.h
  - config.h
  - dataset.h
  - dataset_loader.h
  - export.h
  - feature_group.h
  - meta.h
  - metric.h
  - network.h
  - objective_function.h
  - prediction_early_stop.h
  - sample_strategy.h
  - train_share_states.h
  - tree.h
  - tree_learner.h
- - __init__.py
  - basic.py
  - callback.py
  - compat.py
  - dask.py
  - engine.py
  - libpath.py
  - plotting.py
  - py.typed
  - sklearn.py
- pyproject.toml
- README.rst
- - agaricus.test.rda
  - agaricus.train.rda
  - bank.rda
- - 00Index
  - basic_walkthrough.R
  - boost_from_prediction.R
  - categorical_features_rules.R
  - cross_validation.R
  - early_stopping.R
  - efficient_many_training.R
  - leaf_stability.R
  - multiclass.R
  - multiclass_custom_objective.R
  - weight_param.R
- - make-r-def.R
  - Makevars
  - Makevars.win
- - agaricus.test.Rd
  - agaricus.train.Rd
  - bank.Rd
  - dim.Rd
  - dimnames.lgb.Dataset.Rd
  - get_field.Rd
  - getLGBMThreads.Rd
  - lgb.configure_fast_predict.Rd
  - lgb.convert_with_rules.Rd
  - lgb.cv.Rd
  - lgb.Dataset.construct.Rd
  - lgb.Dataset.create.valid.Rd
  - lgb.Dataset.Rd
  - lgb.Dataset.save.Rd
  - lgb.Dataset.set.categorical.Rd
  - lgb.Dataset.set.reference.Rd
  - lgb.drop_serialized.Rd
  - lgb.dump.Rd
  - lgb.get.eval.result.Rd
  - lgb.importance.Rd
  - lgb.interpret.Rd
  - lgb.interprete.Rd
  - lgb.load.Rd
  - lgb.make_serializable.Rd
  - lgb.model.dt.tree.Rd
  - lgb.plot.importance.Rd
  - lgb.plot.interpretation.Rd
  - lgb.restore_handle.Rd
  - lgb.save.Rd
  - lgb.slice.Dataset.Rd
  - lgb.train.Rd
  - lgb_predict_shared_params.Rd
  - lgb_shared_dataset_params.Rd
  - lgb_shared_params.Rd
  - lightgbm.Rd
  - predict.lgb.Booster.Rd
  - print.lgb.Booster.Rd
  - set_field.Rd
  - setLGBMThreads.Rd
  - summary.lgb.Booster.Rd
- - _pkgdown.yml
- - aliases.R
  - callback.R
  - lgb.Booster.R
  - lgb.convert_with_rules.R
  - lgb.cv.R
  - lgb.DataProcessor.R
  - lgb.Dataset.R
  - lgb.drop_serialized.R
  - lgb.importance.R
  - lgb.interpret.R
  - lgb.make_serializable.R
  - lgb.model.dt.tree.R
  - lgb.plot.importance.R
  - lgb.plot.interpretation.R
  - lgb.Predictor.R
  - lgb.restore_handle.R
  - lgb.train.R
  - lightgbm.R
  - metrics.R
  - multithreading.R
  - utils.R
- - install.libs.R
  - lightgbm-win.def
  - lightgbm_R.cpp
  - lightgbm_R.h
  - Makevars.in
  - Makevars.win.in
- - testthat.R
- - basic_walkthrough.Rmd
- .Rbuildignore
- AUTOCONF_UBUNTU_VERSION
- cleanup
- configure
- configure.ac
- configure.win
- cran-comments.md
- DESCRIPTION
- LICENSE
- NAMESPACE
- README.md
- recreate-configure.sh
- - application.cpp
  - predictor.hpp
- - array.hpp
- - bagging.hpp
  - boosting.cpp
  - dart.hpp
  - gbdt.cpp
  - gbdt.h
  - gbdt_model_text.cpp
  - gbdt_prediction.cpp
  - goss.hpp
  - prediction_early_stop.cpp
  - rf.hpp
  - sample_strategy.cpp
  - score_updater.hpp
- - cuda_algorithms.cu
  - cuda_utils.cpp
- - bin.cpp
  - config.cpp
  - config_auto.cpp
  - dataset.cpp
  - dataset_loader.cpp
  - dense_bin.hpp
  - file_io.cpp
  - json11.cpp
  - metadata.cpp
  - multi_val_dense_bin.hpp
  - multi_val_sparse_bin.hpp
  - parser.cpp
  - parser.hpp
  - sparse_bin.hpp
  - train_share_states.cpp
  - tree.cpp
- - binary_metric.hpp
  - dcg_calculator.cpp
  - map_metric.hpp
  - metric.cpp
  - multiclass_metric.hpp
  - rank_metric.hpp
  - regression_metric.hpp
  - xentropy_metric.hpp
- - linker_topo.cpp
  - linkers.h
  - linkers_mpi.cpp
  - linkers_socket.cpp
  - network.cpp
  - socket_wrapper.hpp
- - binary_objective.hpp
  - multiclass_objective.hpp
  - objective_function.cpp
  - rank_objective.hpp
  - regression_objective.hpp
  - xentropy_objective.hpp
- - col_sampler.hpp
  - cost_effective_gradient_boosting.hpp
  - data_parallel_tree_learner.cpp
  - data_partition.hpp
  - feature_histogram.cpp
  - feature_histogram.hpp
  - feature_parallel_tree_learner.cpp
  - gpu_tree_learner.cpp
  - gpu_tree_learner.h
  - gradient_discretizer.cpp
  - gradient_discretizer.hpp
  - leaf_splits.hpp
  - linear_tree_learner.cpp
  - linear_tree_learner.h
  - monotone_constraints.hpp
  - parallel_tree_learner.h
  - serial_tree_learner.cpp
  - serial_tree_learner.h
  - split_info.hpp
  - tree_learner.cpp
  - voting_parallel_tree_learner.cpp
- - openmp_wrapper.cpp
- c_api.cpp
- main.cpp
- ChunkedArray_API_extensions.i
- lightgbmlib.i
- pointer_manipulation.i
- StringArray.hpp
- StringArray.i
- StringArray_API_extensions.i
- - test_.py
- - predict.conf
  - test.py
  - test_array_args.cpp
  - test_arrow.cpp
  - test_arrow_deprecated.cpp
  - test_byte_buffer.cpp
  - test_chunked_array.cpp
  - test_common.cpp
  - test_main.cpp
  - test_serialize.cpp
  - test_single_row.cpp
  - test_stream.cpp
  - testutils.cpp
  - testutils.h
  - train.conf
- - categorical.data
- - _test_distributed.py
  - conftest.py
- - __init__.py
  - conftest.py
  - test_arrow.py
  - test_basic.py
  - test_callback.py
  - test_consistency.py
  - test_dask.py
  - test_dual.py
  - test_engine.py
  - test_pandas.py
  - test_plotting.py
  - test_polars.py
  - test_sklearn.py
  - test_utilities.py
  - utils.py
- LightGBM.sln
- LightGBM.vcxproj
- LightGBM.vcxproj.filters
.appveyor.yml
.editorconfig
.git-blame-ignore-revs
.gitattributes
.gitignore
.gitmodules
.pre-commit-config.yaml
.readthedocs.yaml
.typos.toml
.yamllint.yml
biome.json
build-cran-package.sh
build-python.sh
build_r.R
CMakeLists.txt
CODE_OF_CONDUCT.md
CONTRIBUTING.md
LICENSE
MAINTAINING.md
pixi.lock
pixi.toml
README.md
SECURITY.md
VERSION.txt

🚀 설치 가이드

1. 코드 내려받기

git clone https://github.com/lightgbm-org/LightGBM

깃허브에서 프로젝트 코드 전체를 내 컴퓨터로 내려받습니다.

cd LightGBM

방금 내려받은 프로젝트 폴더 안으로 이동합니다.

2. Docker

쉬움 추천

사전 준비물

Git GitHub에서 프로젝트 코드를 내려받으려면 필요합니다.
Docker Desktop 컨테이너를 빌드하고 실행하려면 필요합니다. 설치 후 실행해서 백그라운드에 켜두세요.

docker build -f docker/gpu/dockerfile.gpu -t lightgbm .

Dockerfile을 기반으로 실행 가능한 이미지를 빌드합니다.

docker run -p 8080:80 lightgbm

빌드된 이미지를 실제 컨테이너로 실행합니다.

✅ 터미널에 docker compose ps 를 입력해 컨테이너들이 Up 상태인지 확인하세요. README에 포트 번호가 적혀있다면 브라우저에서 http://localhost:포트번호 로 접속해보세요.

3. CMake

보통

사전 준비물

Git GitHub에서 프로젝트 코드를 내려받으려면 필요합니다.
CMake 빌드 설정을 생성하는 도구입니다.
C/C++ 컴파일러 Windows는 Visual Studio(Community 무료), macOS는 Xcode Command Line Tools, Linux는 gcc/g++ 패키지가 필요합니다.

mkdir build && cd build

빌드 결과물을 담을 폴더를 만들고 그 안으로 이동합니다.

cmake ..

소스코드를 분석해 빌드 설정 파일을 생성합니다 (build 폴더 안에서 실행해야 함).

make

생성된 빌드 설정을 바탕으로 실제 컴파일을 진행해 실행 파일을 만듭니다.

✅ build 폴더 안에 실행 파일이 생성됐는지 확인하고, 직접 실행해보세요 (예: ./build/앱이름).

4. .NET

보통

사전 준비물

Git GitHub에서 프로젝트 코드를 내려받으려면 필요합니다.
.NET SDK dotnet 명령어를 쓰기 위한 SDK입니다.

cd windows

이 프로젝트의 관련 파일이 하위 폴더 안에 있어서, 먼저 그 폴더로 이동합니다.

dotnet restore

프로젝트에 필요한 패키지를 내려받습니다.

dotnet run

프로젝트를 빌드하고 바로 실행합니다.

✅ dotnet run 실행 후 터미널에 나타나는 안내 메시지나 주소를 확인하세요.

5. Python

쉬움

사전 준비물

Git GitHub에서 프로젝트 코드를 내려받으려면 필요합니다.
Python 3 설치 시 'Add Python to PATH' 옵션을 꼭 체크하세요 (Windows).

pip install .

PyPI에 배포된 패키지를 바로 설치합니다. 소스 클론이 필요 없습니다.

jupyter notebook

브라우저에서 노트북(.ipynb) 파일들을 열람하고 실행할 수 있는 Jupyter 화면을 켭니다.

✅ 에러 메시지 없이 실행되고 터미널에 안내 문구가 출력되면 정상입니다.

6. Make

보통

사전 준비물

Git GitHub에서 프로젝트 코드를 내려받으려면 필요합니다.
Make Linux/macOS는 보통 기본 설치되어 있습니다. Windows는 별도 설치(예: MSYS2, WSL)가 필요합니다.

cd docs

이 프로젝트의 관련 파일이 하위 폴더 안에 있어서, 먼저 그 폴더로 이동합니다.

make

생성된 빌드 설정을 바탕으로 실제 컴파일을 진행해 실행 파일을 만듭니다.

✅ 에러 없이 끝나면 성공입니다. 생성된 실행 파일을 직접 실행해보세요.

LightGBM

파일 탐색기

🚀 설치 가이드

2. Docker

3. CMake

4. .NET

5. Python

6. Make

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

LightGBM

파일 탐색기

🚀 설치 가이드

2. Docker

3. CMake

4. .NET

5. Python

6. Make

오늘의 추천 프로젝트

Was this content helpful?

Recent Feedback

Download README