25分钟
学习控制参数
max_depth： 一个整数，限制了树模型的最大深度，默认值为-1。如果小于0，则表示没有限制。min_data_in_leaf或者min_data_per_leaf或者min_data或者min_child_samples： 一个整数，表示一个叶子节点上包含的最少样本数量。默认值为 20min_sum_hessian_in_leaf或者min_sum_hessian_per_leaf或者min_sum_hessian或者min_hessian或者min_child_weight： 一个浮点数，表示一个叶子节点上的最小hessian之和。（也就是叶节点样本权重之和的最小值） 默认为1e-3。feature_fraction或者sub_feature或者colsample_bytree： 一个浮点数，取值范围为[0.0,1.0]， 默认值为1.0。 如果小于1.0，则lightgbm会在每次迭代中随机选择部分特征。如0.8表示：在每棵树训练之前选择80%的特征来训练。feature_fraction_seed： 一个整数，表示feature_fraction的随机数种子，默认为2。bagging_fraction或者sub_row或者subsample：一个浮点数，取值范围为[0.0,1.0]， 默认值为1.0。 如果小于1.0，则lightgbm会在每次迭代中随机选择部分样本来训练（非重复采样）。如0.8表示：在每棵树训练之前选择80%的样本（非重复采样）来训练。bagging_freq或者subsample_freq： 一个整数，表示每bagging_freq次执行bagging。 如果该参数为0，表示禁用bagging。bagging_seed或者bagging_fraction_seed： 一个整数，表示bagging的随机数种子，默认为 3 。early_stopping_round或者early_stopping_rounds或者early_stopping： 一个整数，默认为0。 如果一个验证集的度量在early_stopping_round循环中没有提升，则停止训练。如果为0则表示不开启早停。lambda_l1或者reg_alpha： 一个浮点数，表示L1正则化系数。默认为0lambda_l2或者reg_lambda： 一个浮点数，表示L2正则化系数。默认为0min_split_gain或者min_gain_to_split： 一个浮点数，表示执行切分的最小增益，默认为0drop_rate： 一个浮点数，取值范围为[0.0,1.0]，表示dropout的比例，默认为0.1。 该参数仅在dart中使用skip_drop： 一个浮点数，取值范围为[0.0,1.0]，表示跳过dropout的概率，默认为0.5。 该参数仅在dart中使用max_drop： 一个整数，表示一次迭代中删除树的最大数量，默认为50。 如果小于等于0，则表示没有限制。 该参数仅在dart中使用uniform_drop：一个布尔值，表示是否想要均匀的删除树，默认值为False。 该参数仅在dart中使用xgboost_dart_mode： 一个布尔值，表示是否使用xgboost dart模式，默认值为False。该参数仅在dart中使用drop_seed： 一个整数，表示dropout的随机数种子，默认值为 4。 该参数仅在dart中使用top_rate： 一个浮点数，取值范围为[0.0,1.0]，表示在goss中，大梯度数据的保留比例，默认值为 0.2。该参数仅在goss中使用other_rate： 一个浮点数，取值范围为[0.0,1.0]，表示在goss中，小梯度数据的保留比例，默认值为 0.1。该参数仅在goss中使用min_data_per_group：一个整数，表示每个分类组的最小数据量，默认值为100。用于排序任务max_cat_threshold： 一个整数，表示category特征的取值集合的最大大小。默认为 32 。cat_smooth： 一个浮点数，用于category特征的概率平滑。默认值为 10。 它可以降低噪声在category特征中的影响，尤其是对于数据很少的类。cat_l2： 一个浮点数，用于category切分中的L2正则化系数。默认为 10 。top_k或者topk： 一个整数，用于投票并行中。默认为20 。 将它设置为更大的值可以获得更精确的结果，但是会降低训练速度。
学员评价