LightGBM是一种高效的梯度提升决策树框架,它具有出色的准确性和速度。在使用LightGBM算法进行模型训练时,我们需要设置一些参数来控制模型的性能和效果。下面是一些常用的参数及其默认值:
-
boosting_type
:提升方法。默认值为gbdt
,表示梯度提升决策树。 -
num_leaves
:叶节点数。默认值为31。 -
max_depth
:最大深度。默认值为-1,表示不限制深度。 -
learning_rate
:学习率。默认值为0.1。 -
n_estimators
:弱学习器的数量。默认值为100。 -
min_child_samples
:叶子节点最少样本数。默认值为20。 -
subsample
:子样本采样率。默认值为1。 -
colsample_bytree
:列采样率。默认值为1。 -
reg_alpha
:L1正则化系数。默认值为0。 -
reg_lambda
:L2正则化系数。默认值为0。