参考回答：
1）更快的训练速度和更高的效率：LightGBM使用基于直方图的算法。2）更低的内存占用：使用离散的箱子(bins)保存并替换连续值导致更少的内存占用。3）更高的准确率(相比于其他任何提升算法)：它通过leaf-wise分裂方法产生比level-wise分裂方法更复杂的树，这就是实现更高准确率的主要因素。然而，它有时候或导致过拟合，但是我们可以通过设置|max-depth|参数来防止过拟合的发生。4）大数据处理能力：相比于XGBoost，由于它在训练时间上的缩减，它同样能够具有处理大数据的能力。5）支持并行学习。
