万字总结LightGBM原理、核心参数以及调优思路(下篇)
一、LightGBM.cv核心参数
这里仅介绍lightgbm.cv区别于lightgbm.train的参数,lightgbm.train相关参数在
万字总结LightGBM原理、核心参数以及调优思路(中篇)
LightGBM.cv核心参数
二、LightGBM模型通用建模流程
使用LightGBM建模一般先使用lightgbm.cv搜索结合提前停止搜索出最优参数,然后使用lightgbm.train进行模型重建,最后使用重建后的模型完成后续的模型预测,下面是一个具体的例子:
LightGBM模型通用建模流程
三、LightGBM模型调参策略
调参步骤
- 确定学习速率和树的数量:首先设置较大的学习速率(例如0.1),加快收敛速度,并使用交叉验证或大量树来找到最佳的树的数量。
- 调整树的参数:接着调整树的参数(如树的深度、叶子节点的数目等)。
- 调整特征和样本的采样率:然后调整特征和样本的采样率来增加模型的泛化能力。
- 调整正则化参数:然后调整正则化参数来增强模型的泛化能力。
- 降低学习速率并增加树的数量:最后,降低学习速率,并使用更多的树来获得更好的性能。
LightGBM模型调参策略