LightGBM值参数配置

　　LightGBM 可以使用一个 pairs 的 list 或一个字典来设置参数：

　1.Booster提升器的参数：

param={'num_class':33, 'boosting_type':'gbdt', 'max_depth':3, 'metric': {'multi_logloss'}, 'learning_rate':0.01}

　2.可以制定多eval指标：

param['metric'] = ['auc', 'binary_logloss']

 

　　模型的训练：需要一个params参数和训练数据集

num_round = 10
bst = lgb.train(param, train_data, num_round, valid_sets=[test_data])

　　训练完成后存储模型：

bst.save_model('model.txt')

　　模型使用如下方式来加载：

bst = lgb.Booster(model_file='model.txt')  #init model

 

　　预测：已将训练或者加载好的模型都可以对数据集进行预测

gbm.predict(pre_x.values, num_iteration=gbm.best_iteration)

　　在训练过程中使用了提前停止，使用best_iteration从最佳迭代中获取训练结果

param['metric'] = ['auc', 'binary_logloss']