LightGBM工具

参数

boostting_type：训练方式，gbdt

objective：目标函数，可以是binary,regression

metric：评估指标，可以选择auc   mse    binary_logloss   multi_loss

learning_rate：学习率

max_depth ： 树的最大深度，当模型过拟合时，可以降低max_depth

min_data_in_leaf：叶子节点最小记录数，默认20

Bagging参数：bagging_faction+bagging_freq(需要同时设置)

bagging_faction：每次迭代时用的数据比例，用于加快训练速度和减小过拟合

bagging_freq:  bagging的次数。默认为0，表示禁止用bagging，非零值表示执行k次bagging,一般设置3-3

feature_faction : 设置在每次迭代中使用特征的比例，例如为0.8时，意味着在每次迭代中随机选择80%的参数来建建树

early_stopping_round：如果一次验证数据的一个度量在最近的round中没有提高，模型将停止训练

lambda： 正则化，范围0~1

min_gain_to_split：描述分裂的最小gain，控制数的有用的分裂

max_cat_group：在group边界上找到分割点，当类别数量多时，找到分割点很容易过拟合

num_boost_round迭代次数，通常100+

num_leaves：默认31

device：指定cou或者gpu

max_bin：表示feature将存入bin的最大数量

categorical_feature：如果categorical_feature=0，1，2,则列0，1，2是categorical变量

ignore_column：与categorical_feature类似，只不过，不是特定的列视为categorical，而是完全忽略