我正在使用optuna lightgbm集成创建一个模型，我的训练集有一些分类特征，我使用lgb.Dataset类将这些特征传递给模型，这里是Im使用的代码(注意: X_train，X_val，y_trainimport lightgbm as lgb
'boosting': 'gbdt',我相信lighgbm没有以它应该的方式
浏览 94提问于2021-02-20得票数 0
回答已采纳
我试图将lgbm与optuna一起用于分类任务。import optuna.integration.lightgbm as lgbm但我得到了以下错误<clas
浏览 10提问于2022-06-02得票数 0
1回答
我的问题是:什么时候你宁愿使用xgboost而不是lightgbm呢？那卡波普呢？
浏览 0提问于2019-04-19得票数 22
回答已采纳
我想用LightGBM来预测房子的tradeMoney，但是当我在lgb.Dataset of LightGBM中指定了categorical_feature时，我会遇到麻烦。int64hospitalNum int64我使用LightGBMprint("CV Score: {:<8.5f}".format(r2_score(target, oof_lgb)))
但是，
浏览 0提问于2019-05-10得票数 8
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
我最初的想法是神经网络，但我看不出一个神经网络如何能够正确地预测变量之间的交互作用(即。x1 * x2)，因为每个节点都只是先前输入的总和？我的数据集很大，有400个特性和5,000,000个实例。所有数据都是百分位数，标签也是百分位数。数据集也相当嘈杂(客户数据，预测成为返回客户的可能性)。
浏览 0提问于2020-12-23得票数 3
2回答
我有一个分类问题，我必须使用投票分类器方法找到前3个特征，其中包含PCA，xgboost，随机森林，逻辑注册和决策树。例外:它应该给我使用投票分类器的变量的特征重
浏览 0提问于2019-10-30得票数 1
1回答
从特征集中选择集成特征
、、、
我有一个关于集合特征选择的问题。
我的数据集由1,000个样本和大约30000个特征组成，它们被分类为标签A或标签B。我想做的是挑选一些可以有效地对标签进行分类的特征。我使用了三种方法，单变量方法(皮尔逊系数)，套索回归和SVM-RFE(递归特征消除)，所以我从它们中得到了三个特征集。我使用python scikit-learn进行特性选择。然后我在考虑集成特征选择方法，因为特征的大小太大了。在这种情况下，如何制作具
浏览 2提问于2015-12-11得票数 3
我使用的是LightGBM 2.0.6 Python API。我的训练数据有大约80K个样本和400个特征，我正在训练一个大约2000次迭代的模型，该模型用于多类分类(#classes = 10)。当训练模型时，当我调用model.feature_importance()时，我遇到了分段错误。我尝试生成用于测试的人工数据(具有相同数量的样本、类、迭代和超参数)，并且我可以成功地获得特征重要性列表。因此，我怀疑问题是否会发生取决于训练数据。
浏览 1提问于2017-08-28得票数 1
2回答
您好，我正在解决一个由13个特征和550068行组成的回归problem.My数据集。我尝试了不同的不同模型，发现boosting算法(即xgboost，catboost，lightgbm)在大数据set.here上执行得很好gbm = lgb.LGBMRegressor我如何对这些算法(xgboost，catboost，lightgbm)进行超参数调整?我使用的是Windows10 os和英特尔i5 7代。
浏览 3提问于2018-06-05得票数 0
1回答
然而，Shap在分类特征上给了我错误。例如，我有一个功能“吸烟者”，其价值包括“是”和“否”。我从Shap那里得到了一个错误：我错过任何设置了吗？顺便说一句，我知道我可以使用一次热编码来转换分类特性，但我不想这样做，因为LGBMClassifier不需要一次热编码就可以处理分类特性。下面是示例代码：(shap版本为0.40.0，lightgbm</em
浏览 3提问于2022-05-14得票数 2
回答已采纳
3回答
我目前正在学习GBDT，并开始阅读LightGBM的研究论文。问:如果我们有一个单一热编码的分类特性，这个算法不是简单地将一个热编码逆转为一个数字编码，从而取消我们以前编码的所有优点吗？
浏览 0提问于2018-11-30得票数 10
回答已采纳
1回答
包装方法的集成分类器
、、、、
我正在尝试组合多个分类器(ANN，SVM，kNN，.等)使用集成学习(viting，堆栈...etc.)。如果在matlab或R中可
浏览 4提问于2012-11-17得票数 0
2回答
我目前正在处理一个严重不平衡的数据集的分类问题。更具体地说，它是一个包含大约290 k行数据的欺诈检测数据集，0类(非欺诈)的分布率为99.8%，1类(欺诈)的分布率为0.17%。
浏览 0提问于2023-04-04得票数 0
1回答
我试图在一个由数值、分类和文本数据组成的数据集上训练一个lightGBM模型。但是，在培训阶段，我会遇到以下错误：'num_class':5,'num_leaves':200, ('lgbm', clf)pip
浏览 14提问于2021-02-20得票数 3
回答已采纳
我用Tensorflow-for-poets建立了一个图像分类模型。但是，我现在想在对象检测模型中使用经过训练的模型。我可以直接导入.pb文件吗?还是必须重新训练模型？当我尝试这个错误时，我会收到这个错误。
KeyError：“名称'image_tensor:0‘指的是不存在的张量。
浏览 0提问于2019-06-17得票数 1
1回答
在Sklearn分类中的类中，Catboost似乎属于集成方法。那么，与AdaBoost、套袋等相比，Catboost的优势是什么？
浏览 0提问于2018-10-05得票数 2
回答已采纳
我是新来的Weka，我有两类数据要分类。我可以用加权来分类它(词的出现，TFIDF或单词的存在)。我希望使用在Weka中集成的特征选择机制来提高分类器的准确性，如下所示：
BufferedReader trainReader = new BufferedReader(因为我觉得特征选择方法和加权方法是一样的。我还必须给出我应该拥有的特征的"n“号吗？这对分类器的结果影响很大，这是如何设置的，例
浏览 0提问于2014-01-15得票数 1
回答已采纳
我一直在非常满意地使用lightGBM模型，因为我拥有具有数千万个特征和数百万行的大型数据集，以及大量的分类列。我很喜欢lightGBM获取pandas数据帧的方式，该数据帧具有简单的astype('category')定义的分类特征，而无需任何一次性编码。我还有一些浮动列，我正在尝试将它们转换为分类存储箱，以加快收敛并强制决策点的边界。5列是整型数字，我将其转换为具有astype类型的分类5列是浮点型数字。保持浮点型数字为浮点型一
浏览 71提问于2019-04-29得票数 3
回答已采纳
1回答
我专门问集成模型，但是将这个问题扩展到其他场景，持续时间列最好的格式是什么？(例如毫秒、秒、分钟(整数)、分钟(浮点数)、一列为分钟、一列为秒等)
浏览 0提问于2022-03-21得票数 1
云服务器
ICP备案
对象存储
腾讯会议
云直播
腾讯云开发者
