因此，我经常使用类权重后再抽样.LightGBM是一种有效的基于决策树的框架，被认为能很好地处理类的不平衡。因此，我使用LightGBM模型来解决二进制分类问题。我最初使用的是带有“类权重”参数的LightGBM分类器。然而，LightGBM分类器的文档提到只对多类问题使用此参数。对于二进制分类，它建议使用'is_unbalance‘或
浏览 7提问于2020-04-10得票数 5
LightGBM提供了处理分类变量的选项，而不需要对数据集进行热编码。使用此特性(来自Python接口)的一种方法是使用categorical_feature-argument将分类特性的列名指定为列表。这种方法要求将类别编码为整数。但是，另一种方法是为LightGBM提供一个Pandas DataFrame，其中本质上是分类的列被设置为范畴dtype，LightGBM将确定哪些列被视为分类。但是在分类</e
浏览 4提问于2020-02-12得票数 2
他们使用lightgbm，叶数设置为40。如果我明白的话，这就限制了弱学习者(决策树)的大小，这些树不能有超过40片叶子。这种情况是如何处理的？当弱学习者的离开数小于其中一个变量中的类别数时？
浏览 0提问于2020-02-07得票数 1
我使用虹膜数据集执行多类分类使用LightGBM。import numpy as npfrom sklearn.metrics import r2_score, mean_squared_error
import lightgbm
浏览 1提问于2018-07-12得票数 2
回答已采纳
我的任务是为一个分类问题提出一个95%精度的模型。我有训练数据和坚持数据集。为了实现这一目标，我有机会请求具有期望特性的特定类的数据。还请注意，这是一个多类分类问题。
浏览 0提问于2021-09-12得票数 1
1回答
我正在研究一个二进制分类问题，我的训练数据有数百万条记录和2000个变量。我运行lightGBM进行特征选择，并使用从lightGBM中选择的特性运行神经网络(使用Keras)模型进行预测。当使用lightGBM进行特性选择时，我正在进行超参数调优。这是基于我的理解，随着超参数的变化，所选择的功能也会有所不同。我使用'goss‘算法和’增益‘作为特征重要性类型。我看过几篇
浏览 7提问于2020-07-07得票数 2
评分标准是f1评分，我想要的模型是LightGBM。我正在使用LightGBM的sklearn实现。我已经阅读了class_weight参数的LightGBM文档：
class_weight : dict，“balanced”或None，可选(default=None)权重与{class_label:此参数仅用于多类分类任务；对于二进制分类任务，可以使用is_unbalance或scale_pos_weight参数。在我的数据集上使用
浏览 0提问于2019-06-18得票数 10
LightGBM官方文件说，“scale_pos_weight”可以用来控制带有肯定类的标签的重量。
目标0占总样本的30%。如何使用scale_pos_weight来解决这个多类分类问题？
我是否必须编码样本相对较小的目标为阳性？在此之后，我是否要对样本数量较大的目标编码为负数？
浏览 3提问于2020-09-26得票数 1
1回答
我正在使用最新版本的LightGBM来解决多分类问题。当我将目标切换到"multiclass“时，出现了这个错误； Error in data$update_params(params) :
[LightGBM] [Fatal] Number ofclasses should be specified and greater than 1 for multiclass training 我留下了一个可重复使用的例子，它指明了我的方法 catnames
浏览 343提问于2020-09-15得票数 1
我用LightGBM创建了一个二进制分类模型：y_train = data_train['Label']
X_train = data_train.drop(['Label'], axis
浏览 18提问于2022-04-10得票数 0
回答已采纳
我正在尝试使用两个特性在lightgbm中创建一个简单的模型，一个是分类的，另一个是距离。我遵循了一个教程()，该教程指出，即使在LabelEncoding之后，我仍然需要告诉lightgbm，我的编码功能本质上是绝对的。我想知道的是lightgbm是否真的理解这个专栏在本质上是绝对的。它看起来是这样的，但是我不确定为什么教程中明确地说明了它没有。None)test = trainDataProc.iloc[result[1]]
浏览 1提问于2019-07-20得票数 3
我正在使用lightgbm对一些二进制文件进行分类，经过大量搜索之后，我仍然无法找到一种方法来强制lightgbm使用我从数据集中提供的所有数据。当培训开始时，它说我有83390个数据(在我的例子中是文件)，但是只使用了5XXX特性。我试图改变一些参数，如"min_data_in_leaf“，但它并没有真正改变。有人能解释一下如何调优Lightgbm，使其使用我所有的数据吗？This may cause significan
浏览 3提问于2019-02-16得票数 1
回答已采纳
我正在玩LGBM和索引我的分类功能使用StingIndexer。但在那之后，我还没有告诉我的模型，哪些特征是绝对特征。所以，我想知道它是如何知道哪些功能是分类的。
以下是我如何加入我的LGBM模型。
浏览 2提问于2020-10-06得票数 0
回答已采纳
1回答
在一个涉及分类算法比较的实验中，如何评估所分析的模型之间是否存在统计上的显着差异？例如，对以下模型进行了测试，得到了各自的准确率: CatBoost 79.32%；XGBoost 77.05%；SVM 76.77%；LightGBM 76.48%；RF 73.93%；KNN 70.25%例如，我可以使用什么方法来验证CatBoost的选择而不是XGBoost？或者让他们知道KNN和SVM一样有用。详细信息:所有模型的平等数据集；培训/测试(75/25)；所有模型的默认值；多类分
浏览 0提问于2023-01-27得票数 2
回答已采纳
我的问题是，您是否应该使用与您的模型相同的特征选择算法？或者有一个最好的选择功能，你可以使用这些功能与任何模型？我知道有几种不同的特征工程技术，我只是不知道哪些技术应该与不同的机器学习算法一起使用。
浏览 0提问于2021-01-05得票数 3
1回答
我正在尝试在包含大量分类列的数据集上构建一个ML分类模型。然而，它们中很少有超过1000个独特的值。我担心，如果我运行一次热编码，或者熊猫在上面有假人，那么它只会导致太多的功能需要处理。
浏览 0提问于2018-09-05得票数 3
4回答
基于LightGBM的多类分类
、、、、
我试图用Python中的LightGBM为多类分类问题(3个类)建模一个分类器。我使用了以下参数。num_leaves': 17, 'bagging_fraction': 0.6,数据集的所有分类功能都是用在使用cv运行eartly_stopping之后，我对模型进行了
浏览 5提问于2017-11-18得票数 16
回答已采纳
我开发了一个使用LightGBM的分类器模型。由于test_train_split状态的存在，模型的精度差异很大( 83% ~ 91%)。由于数据的性质，这是正常的。我注意到，使用3种模型--在相同的数据上进行训练和测试，但使用不同的随机状态--并结合它们的结果可以获得更高的总体精度。
模式3:
浏览 0提问于2023-01-17得票数 0
1回答
我可以解释doc2vec组件吗？
、、、、
我正在用公司文件解决二进制文本分类问题。使用长度为100的Doc2Vec嵌入LightGBM将产生很好的效果。然而，对于这个项目来说，至少对其中一个组成部分的主题意义进行近似估计是非常有价值的。理想的情况下，这将是一个非常重要的功能，由LightGBM通过几个例子来解释。
是否有人尝试过这样的解释，或者对于具有这种复杂程度的高维模型，是否应该放弃解释？
浏览 2提问于2018-08-06得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
