如何手动为 LGBM 分配超参数

Question

model = lightgbm.LGBMClassifier()  
hyperparameter_dictionary = {'boosting_type': 'goss',   'num_leaves': 25, 'n_estimators': 184, ...}

如何通过字典分配模型的超参数，以便我可以使用此类超参数测试模型的行为？

谢谢！

Answer 1

将超参数字典传递给模型构造函数，将 ** 添加到字典中以像 lgbm 期望的那样传递每个字典项，如 kwarg 参数 https://lightgbm.readthedocs.io/en/latest/pythonapi/lightgbm.LGBMClassifier.html#lightgbm.LGBMClassifier:

hyperparameter_dictionary = {'boosting_type': 'goss', 'num_leaves': 25, 'n_estimators': 184}
model = lightgbm.LGBMClassifier(**hyperparameter_dictionary)

测试：

print(model)

LGBMClassifier(boosting_type='goss', ... n_estimators=184, n_jobs=-1, num_leaves=25,...)

Answer 2

sklearn BaseEstimator 接口提供 get_params 和 set_params 用于获取和设置估计器的超参数。 LightGBM 是合规的，因此您可以执行以下操作：

model = lightgbm.LGBMClassifier()  
hyperparameter_dictionary = {'boosting_type': 'goss',   'num_leaves': 25, 'n_estimators': 184}  
model.set_params(**hyperparameter_dictionary)

如何手动为 LGBM 分配超参数

How to manually assign hyperparameter to LGBM

python

machine-learning

scikit-learn

hyperparameters

lightgbm