Xgboost与Lightgbm参数对比

最近在使用Xgboost与Lightgbm模型来训练数据,众所周知,lightgbm是2016年末微软开源的工具,具体相关信息可以参考一下链接:

Lightgbm: https://github.com/Microsoft/LightGBM 

Xgboost: https://github.com/dmlc/xgboost

两大神器的优缺点,咱们就不讨论了,微软官方给了一些example对比,详情请戳:https://github.com/Microsoft/LightGBM/wiki/Experiments

那么既然这个两个工具这么牛掰,在使用的过程中,怎么根据Xgboost的参数来将LightGbm应用到具体应用场景中呢?

本文根据Kaggle竞赛中使用的相关情况,整理总结出相关参数对应关系如下:


 

参数比对
Xgboots       LightGbm         
booster(default=gbtree)boosting(default=gbdt)
eta(default=0.3)learning_rate(default=0.1)
max_depth(default=6)num_leaves(default=31)
min_child_weight(default=1)min_sum_hessian_in_leaf(1e-3)
gamma(default=0)min_gain_to_split(default=0)
subsample(default=1)bagging_fraction(default=1.0)
colsample_bytree(default=1)feature_fraction( default=1.0)
alpha(default=0)lambda_l1(default=0)
lambda(default=1)lambda_l2(default=0)
objective( default=reg:linear)application(default=regression)
eval_metric(default according to objective)metric
nthreadnum_threads


待续

Xgboost参数调优完全指南附带demo实践的:传送门

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Roaring Kitty

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值