كتب الذكاء الاصطناعيمشاريع الذكاء الاصطناعيمقالات الذكاء الاصطناعيمعجم الذكاء الاصطناعياسئلة واجوبة في الذكاء الاصطناعيأكاديمية الذكاء الاصطناعي للأطفالأكاديمية الذكاء الاصطناعيمدرسة رياضيات الذكاء الاصطناعيمختبر الذكاء الاصطناعيمختبر الخوارزميات المستوحاة من الطبيعةأطلس نماذج الذكاء الاصطناعيموسوعة تطبيقات الذكاء الاصطناعيمستكشف مجموعات البيانات للذكاء الاصطناعياختبارات الذكاء الاصطناعيالفايب كودينغدليل البرمجة بالذكاء الاصطناعيمولّد مشاريع الذكاء الاصطناعيمرصد الذكاء الاصطناعيدليل أدوات الذكاء الاصطناعي البحث والنشر الأكاديميمكتبة البرومبتات الأكاديميةمستودع الرسائل والأطاريح في الذكاء الاصطناعيحاسبة الترقية العلميةأكاديمية الوكلاء الذكيينمختبر أخلاقيات الذكاء الاصطناعي والعدالةساحة ألعاب الذكاء الاصطناعيعبقري الذكاء الاصطناعيمختبر التنبؤ بالسلاسل الزمنيةموسوعة أطر ومكتبات الذكاء الاصطناعيمتحف الذكاء الاصطناعيمختبر الرؤية الحاسوبيةموسوعة شبكات التعلم العميق الحديثةمختبر الشبكات العصبية البيانيةمختبر تحليل الصور الطبيةمختبر معالجة اللغة الطبيعيةمختبر الحوسبة الكمّيةخرائط طريق الذكاء الاصطناعيأكاديمية ماتلاب والذكاء الاصطناعيمصمم الشبكات العصبيةأكاديمية الذكاء الاصطناعي بدون برمجةمختبر الذكاء الاصطناعي الكمّي

LightGBM

LightGBM – Light Gradient Boosting Machine

إطار تعزيز تدرجي سريع وخفيف على الذاكرة يعتمد التقسيم بالمدرّجات (Histogram) ونمو الأشجار حسب الأوراق.

نشطةمتوسطv4.7.0MITأطر ومكتبات تعلم الآلة

الوثائق الرسميةجرّب الأمثلة

المعلومات الأساسية

الاسمLightGBM
الاسم الكاملLightGBM – Light Gradient Boosting Machine
التصنيفأطر ومكتبات تعلم الآلة
الجهة المطورةMicrosoft، ثم مجتمع lightgbm-org
سنة الإطلاق2016
الموقع الرسميgithub.com/lightgbm-org/LightGBM
مستودع GitHublightgbm-org/LightGBM
الوثائق الرسميةlightgbm.readthedocs.io/en/latest
الحزمة على PyPIlightgbm
الترخيصMIT (ملف الترخيص)
حالة المشروعنشطة صدر لها إصدار خلال آخر 12 شهراً
آخر إصدار18 يوليو 2026 (الإصدار 4.7.0)
لغة البرمجةC++، Python، R
أنظمة التشغيلMacOS، POSIX، Unix، Windows (كما تعلنها الحزمة على PyPI)
إصدار Python المطلوب>=3.10
مستوى الصعوبةمتوسط

آخر تحقق من هذه البيانات: 21 نوفمبر 2026 — المصدر: PyPI JSON API (2026-11-21)

نظرة عامة

يعتمد LightGBM تقنيات مثل الأشجار النامية حسب الورقة (Leaf-wise) وتجميع القيم في مدرّجات، فيتدرب بسرعة على بيانات كبيرة باستهلاك ذاكرة منخفض، ويدعم السمات الفئوية مباشرة.

خيار شائع حين تكون البيانات كبيرة والوقت محدوداً. ويحتاج انتباهاً لفرط التخصيص على البيانات الصغيرة بسبب نمو الأشجار حسب الورقة.

متى تختارها؟ اخترها للبيانات الجدولية الكبيرة عندما تكون سرعة التدريب مهمة.

الاستخدامات

الاستخدامات الرئيسية

  • تصنيف وانحدار جداول كبيرة
  • الترتيب
  • نماذج سريعة للإنتاج

المجالات العلمية

  • الصناعة
  • التمويل
  • الطب

أنواع المشاريع المناسبة

  • التنبؤ بالطلب
  • تقييم المخاطر

تطبيقات بحثية

  • خطوط أساس جدولية

أشجار التعزيز التدرجيالتعلم الآلي الكلاسيكي

الخصائص التقنية

تُعرض الخاصية «مدعومة» فقط إذا كانت موثقة في الوثائق الرسمية للمكتبة؛ وما لم نتحقق منه يظهر «غير محدد».

دعم المعالج المركزي (CPU)مدعوم
دعم المعالج الرسومي (GPU)مدعومعبر OpenCL أو CUDA حسب طريقة البناء؛ راجع دليل التثبيت.
التوافق مع CUDAمدعوم
التدريب أو الحوسبة الموزعةمدعومتدريب موزّع مدمج ومع Dask.
الاشتقاق التلقائي (Autodiff)غير مدعوم
نشر النماذج (Deployment)مدعوم
نماذج مدربة مسبقاًلا ينطبق
أنواع البيانات المدعومةجداول رقمية وفئوية
التكامل مع مكتبات أخرىScikit-learn، Pandas، Dask، SHAP، Optuna
المرونة (تقدير تحريري)متوسطة
الأداء (تقدير تحريري)عالية جداً
المجتمع (تقدير تحريري)كبير
جودة التوثيق (تقدير تحريري)توثيق جيد

التثبيت والتشغيل

Shell
pip install lightgbm

التوافق: Python >=3.10 — حسب بيانات الحزمة على PyPI، تحقق في 21 نوفمبر 2026

يُفضّل التثبيت داخل بيئة افتراضية (venv أو conda). وإذا احتجت توافقاً مع إصدار معين من CUDA أو نظام التشغيل فارجع إلى الوثائق الرسمية، لأن هذه المعلومات تتغير مع كل إصدار.

أمثلة برمجية

الأمثلة الموسومة «نُفّذ واختُبر» شُغّلت فعلياً وسُجّل مخرجها وتاريخ الاختبار وإصدارات المكتبات؛ وغيرها يحتاج GPU أو تنزيل نماذج فلم يُشغّل في بيئة الاختبار.

متوسطLightGBM مع سمات فئوية أصليةنُفّذ واختُبر

الهدف: تدريب نموذج على أعمدة فئوية دون ترميز One-Hot.

Python — example.py
import numpy as np, pandas as pd, lightgbm as lgb
from sklearn.model_selection import train_test_split

rng = np.random.default_rng(0)
n = 2000
df = pd.DataFrame({"city": rng.choice(["A", "B", "C", "D"], n), "x": rng.normal(size=n)})
y = ((df["city"].isin(["B", "D"])) & (df["x"] > 0)).astype(int)
df["city"] = df["city"].astype("category")
X_tr, X_te, y_tr, y_te = train_test_split(df, y, test_size=0.3, random_state=0)
clf = lgb.LGBMClassifier(n_estimators=100, verbose=-1, random_state=0).fit(X_tr, y_tr)
print(f"دقة الاختبار: {clf.score(X_te, y_te):.3f}")
print("أهمية السمات:", {c: int(v) for c, v in zip(df.columns, clf.feature_importances_)})

شرح الكود

عندما يكون نوع العمود category في pandas يتعامل LightGBM معه مباشرة ويبحث عن أفضل تقسيم للفئات. البيانات هنا مصطنعة بقاعدة معروفة لنرى أن النموذج يكتشفها.

المتطلبات

Shell
pip install lightgbm pandas scikit-learn

طريقة التشغيل

احفظ الكود في ملف example.py ثم شغّله:

Shell
python example.py

المخرجات المسجلة عند الاختبار

دقة الاختبار: 1.000
أهمية السمات: {'city': 86, 'x': 1284}

نُفّذ هذا المثال فعلياً واختُبر بتاريخ 21 نوفمبر 2026 على CPU — lightgbm 4.7.0, pandas 3.1.1, scikit-learn 1.9.1, python 3.13.18

صفحة المثال

كل أمثلة LightGBM في مستكشف الأكواد

المزايا

  • سرعة تدريب عالية
  • استهلاك ذاكرة منخفض
  • دعم مباشر للسمات الفئوية

القيود

  • عرضة لفرط التخصيص على البيانات الصغيرة
  • دعم GPU يحتاج بناءً خاصاً أحياناً

المراجع والتحقق

  • صفحة الحزمة على PyPI (مصدر الإصدار والترخيص وتاريخ الإصدار) تحقق مباشر

    https://pypi.org/project/lightgbm/

    تاريخ التحقق: 21 نوفمبر 2026 — الإصدار المتحقق منه: 4.7.0 — المراجعة: فريق DLArabic

  • الموقع الرسمي رابط تعلنه الحزمة رسمياً على PyPI

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

    تاريخ التحقق: 21 نوفمبر 2026 — المراجعة: فريق DLArabic

  • الوثائق الرسمية رابط تعلنه الحزمة رسمياً على PyPI

    https://lightgbm.readthedocs.io/en/latest/

    تاريخ التحقق: 21 نوفمبر 2026 — المراجعة: فريق DLArabic

  • المستودع الرسمي رابط تعلنه الحزمة رسمياً على PyPI

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

    تاريخ التحقق: 21 نوفمبر 2026 — المراجعة: فريق DLArabic

  • ملف الترخيص الرسمي تحقق مباشر

    https://github.com/lightgbm-org/LightGBM/blob/master/LICENSE

    تاريخ التحقق: 21 نوفمبر 2026 — المراجعة: فريق DLArabic

سجل الإصدارات المتحقق منها

الإصدارتاريخ الإصدارتاريخ التحقق
4.7.018 يوليو 202621 نوفمبر 2026

آخر مراجعة لمعلومات الصفحة: 21 نوفمبر 2026. الوصف العربي مكتوب أصلياً للموسوعة وليس منقولاً من المواقع الرسمية.

أبلغ عن معلومة تحتاج تحديثاً