6

最近，我正在做多个实验来比较 Python XgBoost 和 LightGBM。看来这个 LightGBM 是一种新算法，人们说它在速度和准确性上都比 XGBoost 更好。

这是LightGBM GitHub。这是LightGBM python API 文档，在这里你会找到可以调用的 python 函数。它可以直接从 LightGBM 模型中调用，也可以由 LightGBM scikit-learn 调用。

这是我使用的XGBoost Python API 。如您所见，它的数据结构与上面的 LightGBM python API 非常相似。

这是我尝试过的：

  1. 如果你train()在 XGBoost 和 LightGBM 中都使用方法，是的，lightGBM 工作得更快，精度更高。但是这种方法没有交叉验证。
  2. 如果您cv()在两种算法中都尝试方法，则用于交叉验证。但是，我没有找到一种方法来使用它返回一组最佳参数。
  3. 如果您尝试GridSearchCV()使用 LGBMClassifier 和 XGBClassifer 进行 scikit-learn。它适用于 XGBClassifer，但对于 LGBClassifier，它会永远运行。

GridSearchCV()以下是与这两个分类器一起使用时的代码示例：

XGBClassifier 与 GridSearchCV

param_set = {
 'n_estimators':[50, 100, 500, 1000]
}
gsearch = GridSearchCV(estimator = XGBClassifier( learning_rate =0.1, 
n_estimators=100, max_depth=5,
min_child_weight=1, gamma=0, subsample=0.8, colsample_bytree=0.8, 
nthread=7,
objective= 'binary:logistic', scale_pos_weight=1, seed=410), 
param_grid = param_set, scoring='roc_auc',n_jobs=7,iid=False, cv=10)

xgb_model2 = gsearch.fit(features_train, label_train)
xgb_model2.grid_scores_, xgb_model2.best_params_, xgb_model2.best_score_

这对 XGBoost 非常有效，而且只需几秒钟。

LightGBM 与 GridSearchCV

param_set = {
 'n_estimators':[20, 50]
}

gsearch = GridSearchCV(estimator = LGBMClassifier( boosting_type='gbdt', num_leaves=30, max_depth=5, learning_rate=0.1, n_estimators=50, max_bin=225, 
 subsample_for_bin=0.8, objective=None, min_split_gain=0, 
 min_child_weight=5, 
 min_child_samples=10, subsample=1, subsample_freq=1, 
colsample_bytree=1, 
reg_alpha=1, reg_lambda=0, seed=410, nthread=7, silent=True), 
param_grid = param_set, scoring='roc_auc',n_jobs=7,iid=False, cv=10)

lgb_model2 = gsearch.fit(features_train, label_train)
lgb_model2.grid_scores_, lgb_model2.best_params_, lgb_model2.best_score_

但是，通过对 LightGBM 使用这种方法，它今天已经运行了整个上午，仍然没有生成任何东西。

我正在使用相同的数据集，一个数据集包含 30000 条记录。

我有两个问题：

  1. 如果我们只是使用cv()方法，是否有办法调整最佳参数集？
  2. 你知道为什么GridSearchCV()LightGBM 不能很好地工作吗？我想知道这是否只发生在我身上而发生在其他人身上？
4

2 回答 2

2

尝试使用n_jobs = 1，看看它是否有效。

一般来说，如果您使用n_jobs = -1orn_jobs > 1那么您应该使用以下方法保护您的脚本if __name__=='__main__':：

简单示例：

import ...

if __name__=='__main__':

    data= pd.read_csv('Prior Decompo2.csv', header=None)
    X, y = data.iloc[0:, 0:26].values, data.iloc[0:,26].values
    param_grid = {'C' : [0.01, 0.1, 1, 10], 'kernel': ('rbf', 'linear')}
    classifier = SVC()
    grid_search = GridSearchCV(estimator=classifier, param_grid=param_grid, scoring='accuracy', n_jobs=-1, verbose=42)
    grid_search.fit(X,y)

最后，您可以尝试按照我的解释使用 n_jobs = -1并包含运行您的代码if __name__=='__main__':，看看它是否有效？

于 2017-07-12T07:49:09.893 回答
0

lightgbm最初的问题是由于GridSearchCV启动了太多线程（即机器上可用的线程数过多）。如果这些产品（或总和？这取决于如何GridSearchCV实现）仍在机器能力范围内，那么它将运行。它有太多的线程它们发生冲突并lightgbm停止执行，因为我不清楚，但开发人员知道原因。

于 2018-05-13T13:20:17.573 回答