我有一个关于lgb的问题。当我写
lgb.train(.......)
它在不到一毫秒的时间内完成。 （对于（10000,25））形状数据集。
当我编写预测时，所有输出变量都具有相同的值。
train = pd.read_csv('data/train.csv', dtype = dtypes)
test = pd.read_csv('data/test.csv')
test.head()
X = train.iloc[:10000, 3:-1].values
y = train.iloc[:10000, -1].values
sc = StandardScaler()
X = sc.fit_transform(X)
#pca = PCA(0.95)
#X = pca.fit_transform(X)
d_train = lgb.Dataset(X, label=y)
params = {}
params['learning_rate'] = 0.003
params['boosting_type'] = 'gbdt'
params['objective'] = 'binary'
params['metric'] = 'binary_logloss'
params['sub_feature'] = 0.5
params['num_leaves'] = 10
params['min_data'] = 50
params['max_depth'] = 10
num_round = 10
clf = lgb.train(params, d_train, num_round, verbose_eval=1000)
X_test = sc.transform(test.iloc[:100,3:].values)
pred = clf.predict(X_test, num_iteration = clf.best_iteration)
当我打印pred时，所有值均为（0.49）
这是我第一次使用lightgbm模块。我的代码有错误吗？或者我应该在数据集中寻找一些不匹配的地方。
最佳答案
您的num_round太小，它开始学习并在此处停止。除此之外，请使您的verbose_eval较小，以便在训练时直观地看到结果。我建议您尝试如下的lgb.train代码：
clf = lgb.train（params，d_train，num_boost_round = 5000，verbose_eval = 10，early_stopping_rounds = 3500）
始终使用early_stopping_rounds，因为如果没有明显的学习或模型开始过度拟合，模型应该停止。
不要犹豫，问更多。玩得开心。
关于python - lightGBM预测相同的值，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/52802011/