本文介绍了作者在阿里妈妈搜索广告转化预测比赛中，使用LightGBM进行参数调整和Ensemble策略的经验。探讨了boosting、bagging和stacking等方法，并分享了lightgbm参数如num_leaves、max_depth、colsample_bytree的设置。虽然bagging和stacking效果不显著，但作者对其潜力保持信心。
lightgbm参数解释
boosting = ‘gbdt‘，迭代器选’rf’效果略优
is_unbalance=True，实际数据的样本是不均衡的，但是设置该参数导致迭代效果变差
bagging_fraction=0.7,
bagging_freq =1,
使用了bagging方法，随机选择了70%的数据进行训练，每1步迭代做一次bagging
效果无明显提高，但是理应有所提高。（特征太菜）
num_leaves=64,
max_depth=6
num_leaves应设置为2^max_depth左右较为合适，但是附近的值有可能优于该值
colsample_bytree=0.8
随机选取80%的特征进行训练，防止过拟合
安利一个新鲜的lightgbm中文文档，照这个文档调参就行：<
最低0.47元/天 解锁文章
4182
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
