码迷,mamicode.com
首页 > 编程语言 > 详细

lightGBM Python API参考以及各参数意义

时间:2021-04-27 14:19:07      阅读:0      评论:0      收藏:0      [点我收藏+]

标签:提升   并行   center   最好   llb   mat   构造   限制   stat   

模型参数

参数名 参数描述 可选值
boosting_type 模型提升方式 ‘gbdt‘、‘dart‘、‘goss‘、‘rf‘
num_leaves 每个基学习器的最大叶子 默认31
max_depth 基学习器树的最大深度 默认-1,没有限制
learning_rate boosting学习率 默认0.1
n_estimators 基学习器的数量 默认10
max_bin 特征值的分桶数 默认255
subsample_for_bin 用于分箱的样本数 默认50000
objective 学习任务和学习目标 默认regression对于LGBRegressor,LGBClassifier是‘binary‘,‘multiclass‘,LGBMRanker是‘lambdarank‘
min_split_gain 在树的叶子节点上做进一步分区所需的最小损失减少 默认0,浮点数
min_child_weight 子节点(叶节点)中所需要的最小实例权重(hessian)之和 默认1e-3
min_child_samples 叶子所需要的最小数据 默认20
subsample 训练样本的子样本比率 默认1,浮点数
subsample_freq 子样本的频率 默认1,int
colsample_bytree 构造每棵树的子样本比率 默认1,浮点数
reg_alpha L1正则化权重 默认0,浮点数
reg_lambda L2正则化权重 默认0,浮点数
random_state 随机数种子 默认为None
n_jobs 并行线程数 默认为-1,全线程
slient 在运行提升时,是否打印消息 默认为True

fit参数

参数 参数描述 可选值
X 输入特征矩阵 n_samples,n_features
y 标签 n_samples
sample_weight 训练数据的权重 默认None
init_score 初始化训练数据得分 默认None
group 训练集的分组数据 默认None
eval_set 用作提前停止的验证集的(X, y) 默认None
eval_names eval_set的名字 默认None
eval_sample_weight 验证集数据的权重 默认None
eval_init_score 验证集数据初始分数 默认None
eval_group 验证集的分组数据 默认None
eval_metric 字符串,它应该是一个内置的评估指标。如果是可调用的,它应该是一个定制的评估指标,请参阅注释以了解更多细节 默认None
early_stopping_rounds 激活早期停止。该模型将进行训练,直到验证分数停止改进。为了继续训练,验证错误需要至少每轮减少一次 默认None
verbose 如果为True并且使用了评估集,则写入评估进度 默认True
feature_name 特征名称,如果‘ auto ‘和data是 DataFrame,则使用数据列名称 默认auto
categorical_feature 分类功能,如果是int的列表,则解释为下标。如果字符串列表,解释为特性名称(也需要指定feature_name),如果‘ auto ‘和data是pandas DataFrame,则使用pandas分类列 默认auto
callbacks 在每次迭代中应用的回调函数列表 默认None

predict参数

参数 参数描述 可选值
X 输入特征矩阵 n_samples,n_features
raw_score 是否预测原始分数 默认False
num_iter_action 预测中限制迭代次数;默认为0(使用所有树) 默认0

n_features_

得到拟合模型的特征个数

objective_

获得模型拟合的具体目标

classes_

返回标签的所有分类(仅限于分类问题)

n_classes_

返回标签的类别数量

best_score_

返回模型的最好分数

best_iteration

指定了early_stopping_rounds时拟合模型的最佳迭代

booster_

模型的提升方式

evals_result

如果已指定early_stopping_rounds,则计算结果

feature_importances_

返回每个特征的特征重要性

lightGBM Python API参考以及各参数意义

标签:提升   并行   center   最好   llb   mat   构造   限制   stat   

原文地址:https://www.cnblogs.com/weibaohang/p/14702783.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!