1回答
lightGBM的交叉验证预测
、、、、
有没有一种简单的方法可以从使用lightGBM的lgb.cv构建的模型中恢复交叉验证预测
我正在做一个结合了交叉验证的网格搜索。最终，我希望获得每个已定义的坚持折叠的预测，以便我还可以堆叠一些模型。
浏览 15提问于2018-01-25得票数 1
2回答
我想使用交叉验证的预测模型。我想保持20%的数据作为一个测试集，并使用我的其余数据，以适应我的模型交叉验证。
作为一个机器学习模型，我想使用随机森林和LightGBM。cross_val_score它给出了结果，但
浏览 3提问于2020-07-17得票数 1
回答已采纳
我对lightgbm中的这些数据结构API有点困惑。我的理解是：
有人能澄清一下吗？
浏览 17提问于2021-12-07得票数 2
回答已采纳
2回答
我有一个多类分类问题要解决，这是高度不平衡的。很明显，我做的是过采样，但是我用过采样的数据集进行交叉验证，结果我应该在列车和验证集中重复数据。我使用的是lightgbm算法，但令人惊讶的是，交叉验证分数和未见数据集上的分数之间并没有太大的差别。不过，我只想知道，在过度采样数据集之后是否可以进行交叉验证，如果不是，为什么我在<em
浏览 0提问于2019-01-21得票数 4
回答已采纳
1回答
使用轻型GBM回归器，对数据进行训练，利用网格搜索得到最佳参数，但每次用最佳参数进行测试时，每次得到不同的结果，这意味着模型对每一次测试迭代产生不同的结果。我使用相同的参数运行了两次lightgbm，但是在验证中得到了不同的结果。我发现唯一的随机种子参数是baggingSeed。修复baggingSeed后，也会出现问题。我还需要修改其他参数吗？
浏览 0提问于2021-07-09得票数 0
1回答
我在一个二进制分类问题上训练了LightGBM，在绘制树时，我得到了一些这样的叶子
我很难找到分类树的损失函数- LightGBM是否最小化了二元情况下的交叉熵，这是叶分数吗？
浏览 3提问于2020-11-13得票数 0
1回答
是否有人知道glmnet是否产生交叉验证的预测，即基于模型构建之外的折叠(通常被认为是交叉验证的)的预测，而不是交叉验证的预测，这些预测都来自于基于交叉验证建立的最优lambda模型的所有预测？
浏览 3提问于2017-06-29得票数 3
[LightGBM] [Warning] Met 'abs(label) < 1', will convert them to '1' in MAPE objective and metric
浏览 34提问于2020-11-30得票数 0
回答已采纳
我正试图使用lightGBM与R一起构建一个回归模型，我对一些函数以及何时/如何使用它们感到有点困惑。
首先是我在标题中所写的内容，lgb.train()和lightgbm()之间有什么区别？文档()中的描述说，lgb.train是“用lightgbm训练的逻辑”，LightGBM是“训练LightGBM模型的简单接口”，而两者的结果值都是经过训练的模型lgb.Booster。我发现<em
浏览 7提问于2020-12-10得票数 0
回答已采纳
3回答
我不知道什么是正确的方式，使用早期停止与交叉验证梯度增强算法。对于简单的训练/有效分割，我们可以使用有效的数据集作为早期停止的评估数据集，在重新修改时使用最佳的迭代次数。但是，如果交叉验证类似k-折叠，我的直觉是使用每个折叠的每个有效集合作为早期停止的评估数据集，但这意味着最佳的迭代次数将因折叠而异。那么，在重新设计时，我们使用什么作为最后的</
浏览 0提问于2020-05-17得票数 17
1回答
我想对LightGBM模型和lgb.Dataset进行交叉验证，并使用early_stopping_rounds。下面的方法在XGBoost的xgboost.cv中没有问题。我不喜欢在GridSearchCV中使用Scikit的方法，因为它不支持早期停止或lgb.Dataset。import lightgbm as lgbdftrainLGB = lgb.Dataset(dataLi
浏览 1提问于2018-04-11得票数 24
回答已采纳
3回答
我们应该如何使用lightgbm.cv的字典输出来改进我们的预测呢？下面是一个例子--我们使用下面的代码训练我们的简历模型： d_train, early_stopping_rounds = 25,我们如何使用从上述代码的最佳迭代中找到<
浏览 3提问于2017-09-28得票数 19
当我使用lightgbm训练分类模型时，我通常使用验证集和提前停止来确定迭代次数。现在我想组合训练和验证集来训练模型(这样我就有更多的训练示例)，并使用该模型来预测测试数据，我应该更改从验证过程派生的迭代次数吗？
谢谢!
浏览 0提问于2020-01-09得票数 0
1回答
我用不同的回归技术训练了我的模型，我不确定该根据学习曲线选择哪种模型。( 1)应该选择Lasso，因为训练和CV在末尾收敛，所以应该选择梯度增强，因为train和CV在中间收敛，并且获得比Lasso更低的RMSE分数。
📷
浏览 0提问于2019-04-26得票数 2
回答已采纳
在性能和准确性方面，解决这个回归问题的最佳方法是什么？在这种情况下，特性的重要性会有帮助吗？我如何处理这么大范围的数据？"stat_upgrades": 5 # (0-5)任何属性与项的值之间的关系都是线性的；如果属性的级别增加了，则值也会增加，反之亦然。但是，第1级的升级不一定是第2级升级值的1/ 2；每个级别增加的增值是不同的。每次升级的价
浏览 9提问于2022-08-08得票数 5
回答已采纳
希望使用dask分布式集群来加速lightgbm评分/预测。本质上是寻找lightgbm的ParallelPostFit等价物--目前似乎只适用于sklearn模型。有人知道lightgbm的等价物是什么吗？
浏览 2提问于2020-04-30得票数 0
我正试图用一种不同的方式来计算性能，它现在是如何为模型内置的。 rrc[m.model_id] = m.cross_validation_holdout_predictions()
我可以用数据集上的模型运行预测我是否可以对同一数据集进行新的预测，并使用它来计算性能？
浏览 2提问于2017-09-16得票数 2
回答已采纳
2回答
通常，堆叠算法使用K-折叠交叉验证技术来预测用于二级预测的oof验证。在时间序列数据(如股票走势预测)的情况下，不能使用K-折叠交叉验证，而时间序列验证(一种在sklearn lib上提出的)适合于评估模型的性能。在这种情况下，不应对第一次进行预测，也不应对最后一次进行任何培训。如何使用时间序列数据的叠加算法交叉</em
浏览 0提问于2018-11-18得票数 5
回答已采纳
最近，我正在做多个实验来比较Python XgBoost和LightGBM。这个LightGBM似乎是一种新的算法，人们认为它在速度和精度上都优于XGBoost。这是我使用的。如您所见，它的数据结构与上面的LightGBM python非常相似。以下是我尝试过的：
浏览 7提问于2017-07-11得票数 8
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
