LightGBM.cv时,feature_pre_filter和min_data_in_leaf相互矛盾
当LightGBM.cv时,如果min_data_in_leaf设置的值比默认值(20)小的时候,就会报错:
LightGBMError: Reducing `min_data_in_leaf` with `feature_pre_filter=true` may cause unexpected behaviour for features that were pre-filtered by the larger `min_data_in_leaf`.
You need to set `feature_pre_filter=false` to dynamically change the `min_data_in_leaf`.
在网上查了很多资料,说是要在dataset之前设置feature_pre_filter,但是有的人又说这个参数已经删除了,翻看官网也没有看到很好的解决方法:https://github.com/optuna/optuna/issues/1718
反正我们就默认这个参数feature_pre_filter已经删除了,如果我们调参时min_data_in_leaf 的最佳值大于20时,就可以保留min_data_in_leaf参数,如果小于时,就删除这个参数。就可以运行了
分类:
LightGBM
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· AI与.NET技术实操系列:向量存储与相似性搜索在 .NET 中的实现
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· Linux系列:如何用heaptrack跟踪.NET程序的非托管内存泄露
· 开发者必知的日志记录最佳实践
· SQL Server 2025 AI相关能力初探
· winform 绘制太阳,地球,月球 运作规律
· 震惊!C++程序真的从main开始吗?99%的程序员都答错了
· AI与.NET技术实操系列(五):向量存储与相似性搜索在 .NET 中的实现
· 【硬核科普】Trae如何「偷看」你的代码?零基础破解AI编程运行原理
· 超详细:普通电脑也行Windows部署deepseek R1训练数据并当服务器共享给他人