问题标签 [lightgbm]

我正在使用带有 valid_sets、early_stopping_rounds 和 feval 函数的 lightgbm.train 来解决“objective”的多类问题：“multiclass”。我想为我的自定义评估函数找到 best_iteration 和 best_score。但它会为 multi_logloss 指标找到它们，这对应于指定的目标。所以问题是我能否在 LightGBM best_iteration 和 best_score 中找到我的 feval 函数以及如何找到？

我正在尝试使用 lightGBM 作为分类器。我的数据保存在多个 csv 文件中，但我发现没有办法直接使用多个文件作为输入。

我曾考虑将所有数据组合成一个大数据（numpy 数组），但我的计算机没有足够的内存。可用内存不足时如何使用lightGBM处理多个数据文件？

我正在使用 LightGBM 包。

我已经使用“create_tree_digraph”成功创建了一棵新树，但我在理解结果时遇到了一些麻烦。

叶节点中有“leaf_value”。我不知道这意味着什么。请有人帮助我理解这一点。谢谢。:)

我从这里使用了这个示例代码：https ://www.analyticsvidhya.com/blog/2017/06/which-algorithm-takes-the-crown-light-gbm-vs-xgboost/

然后我应用了“create_tree_digraph”函数。

图片

我编译/安装了 LightGBM 的 GPU 变体，并且能够运行回归示例。

现在我想使用另一个数据集进行回归。如何指定哪一列是目标，哪一列是预测变量？

我正在尝试为文本多分类引入 LightGBM。pandas 数据框中的 2 列，其中“类别”和“内容”设置如下。

数据框：

因此，我试图将文本分为 3 类，如下所示。

代码：

然后我得到一个错误：

我还将“类别”列 ['a', 'b', 'c'] 转换为 [0, 1, 2] 为 int，但出现错误

我的代码有什么问题？
任何意见/建议将不胜感激。
提前致谢。

我有一个简单的 lgbm 数据集：

其中X是 pandas df，y是 pandas 系列。我想在我的自定义目标函数中访问X的特定列。但是当我尝试时：

我收到此错误消息：

而这运作良好：

谢谢！

在 Python 上使用 lightGBM 并且由于它没有足够的文档，我有一段时间无法解决这个问题。如果这里有有 lgb 经验的人，请帮我解决这几个问题。

1. lgb.cv 在具有连续目标变量时不起作用。为什么？
2. 当有客观的“回归”时，我可以将 boosting_type 设置为“rf”（随机森林）吗？在图书馆打开的这个问题有点证实我可以。想法？

3. 如果我用“gbdt”替换“rf”参数，下面是一段完全正常的代码

   /li>

在使用随机森林增强方法时，我收到以下错误 -

我想使用 Google colaboratory 在我的数据集上使用 GPU 训练 LightGBM（我还选择了运行时 Python3 和 GPU）。为此，我使用了以下代码块：

同样在笔记本中，我选择了设备 gpu：

得到了这个：

我也试过这个解决方案在 Google Collab 上为 LightGBM 安装 GPU 支持，但没有任何改变

我正在尝试lightgbm使用GridSearchCVfrom找到模型的最佳参数sklearn.model_selection。我一直无法找到真正有效的解决方案。

我设法设置了一个部分工作的代码：

这似乎有效，但有UserWarning：

categorical_feature已找到关键字params并将被忽略。请使用categorical_featureDataset 构造函数的参数来传递此参数。

我正在寻找一个可行的解决方案，或者可能是关于如何确保 lightgbm 接受上述代码中的分类参数的建议

我尝试在 Mac 上使用 devtools 安装 R 包“lightgbm”（High Sierra 10.13.5；R 版本 3.5.0；devtools 1.13.5）。

但是发生了错误，并显示了以下消息。

所以我想使用 gcc（我通过自制软件安装它）而不是 AppleClang。

我该怎么做？

谢谢