代码之家 › 专栏 › 技术社区 › Marius

如何使用lightgbm。回归的cv?

lightgbm cross-validation regression python

Marius · 技术社区 · 6 年前

我想对LightGBM模型进行交叉验证 lgb。数据集 和使用 early\u stopping\u回合数 .以下方法对XGBoost没有问题 XG增压。个人简历 。我不喜欢将Scikit Learn的方法用于GridSearchCV,因为它不支持提前停止或lgb。数据集。

import lightgbm as lgb
from sklearn.metrics import mean_absolute_error
dftrainLGB = lgb.Dataset(data = dftrain, label = ytrain, feature_name = list(dftrain))

params = {'objective': 'regression'}
    
cv_results = lgb.cv(
        params,
        dftrainLGB,
        num_boost_round=100,
        nfold=3,
        metrics='mae',
        early_stopping_rounds=10
        )

任务是进行回归,但以下代码会引发错误:

Supported target types are: ('binary', 'multiclass'). Got 'continuous' instead.

LightGBM是否支持回归,或者我是否提供了错误的参数?

1 回复 | 直到 3 年前

Vivek Kumar 6 年前

默认情况下,lightgbm中的stratify参数。cv为 True 。根据 the documentation :

分层(bool,可选(默认值=True))是否执行分层抽样。

但分层只适用于分类问题。因此,要处理回归,需要将其设为False。

cv_results = lgb.cv(
        params,
        dftrainLGB,
        num_boost_round=100,
        nfold=3,
        metrics='mae',
        early_stopping_rounds=10,

        # This is what I added
        stratified=False
        )

现在开始工作了。

推荐文章

July · 如何定义数字间隔,然后四舍五入

1 年前

Community wiki · 对象名称前的单下划线和双下划线的含义是什么?

1 年前