Python - 带有 GridSearchCV 的 LightGBM，永远运行

Question

最近，我正在做多个实验来比较 Python XgBoost 和 LightGBM。看来这个 LightGBM 是一个新的算法，人们说它在速度和准确性上都比 XGBoost 更好。

这是 LightGBM GitHub .这是 LightGBM python API documents ，在这里您会找到可以调用的 python 函数。可以在LightGBM模型中直接调用，也可以通过LightGBM scikit-learn调用。

这是 XGBoost Python API我用。如您所见，它与上面的 LightGBM python API 具有非常相似的数据结构。

这是我尝试过的:

1. 如果您在 XGBoost 和 LightGBM 中都使用 train() 方法，是的，lightGBM 工作得更快并且具有更高的准确性。但是这种方法没有交叉验证。
2. 如果您在两种算法中都尝试使用 cv() 方法，则它用于交叉验证。但是，我没有找到使用它返回一组最佳参数的方法。
3. 如果您使用 LGBMClassifier 和 XGBClassifer 尝试 scikit-learn GridSearchCV()。它适用于 XGBClassifer，但对于 LGBClassifier，它会永远运行。

以下是我对两个分类器使用 GridSearchCV() 时的代码示例:

带有 GridSearchCV 的 XGBClassifier

param_set = {
 'n_estimators':[50, 100, 500, 1000]
}
gsearch = GridSearchCV(estimator = XGBClassifier( learning_rate =0.1, 
n_estimators=100, max_depth=5,
min_child_weight=1, gamma=0, subsample=0.8, colsample_bytree=0.8, 
nthread=7,
objective= 'binary:logistic', scale_pos_weight=1, seed=410), 
param_grid = param_set, scoring='roc_auc',n_jobs=7,iid=False, cv=10)

xgb_model2 = gsearch.fit(features_train, label_train)
xgb_model2.grid_scores_, xgb_model2.best_params_, xgb_model2.best_score_

这对 XGBoost 非常有效，而且只用了几秒钟。

LightGBM 与 GridSearchCV

param_set = {
 'n_estimators':[20, 50]
}

gsearch = GridSearchCV(estimator = LGBMClassifier( boosting_type='gbdt', num_leaves=30, max_depth=5, learning_rate=0.1, n_estimators=50, max_bin=225, 
 subsample_for_bin=0.8, objective=None, min_split_gain=0, 
 min_child_weight=5, 
 min_child_samples=10, subsample=1, subsample_freq=1, 
colsample_bytree=1, 
reg_alpha=1, reg_lambda=0, seed=410, nthread=7, silent=True), 
param_grid = param_set, scoring='roc_auc',n_jobs=7,iid=False, cv=10)

lgb_model2 = gsearch.fit(features_train, label_train)
lgb_model2.grid_scores_, lgb_model2.best_params_, lgb_model2.best_score_

但是LightGBM用这个方法，今天跑了一个上午还是没有生成。

我正在使用相同的数据集，一个数据集包含 30000 条记录。

我有两个问题:

1. 如果我们只使用cv() 方法，是否可以调整最佳参数集？
2. 你知道为什么 GridSearchCV() 不能很好地与 LightGBM 一起工作吗？我想知道这是否只发生在我身上，其他人也会发生吗？

Answer 1

尝试使用 n_jobs = 1 看看它是否有效。

通常，如果您使用 n_jobs = -1 或 n_jobs > 1，那么您应该使用 if __name__=='__main__' 来保护您的脚本: :

简单示例:

import ...

if __name__=='__main__':

    data= pd.read_csv('Prior Decompo2.csv', header=None)
    X, y = data.iloc[0:, 0:26].values, data.iloc[0:,26].values
    param_grid = {'C' : [0.01, 0.1, 1, 10], 'kernel': ('rbf', 'linear')}
    classifier = SVC()
    grid_search = GridSearchCV(estimator=classifier, param_grid=param_grid, scoring='accuracy', n_jobs=-1, verbose=42)
    grid_search.fit(X,y)

最后，您能否像我解释的那样尝试使用 n_jobs = -1 并包括 if __name__=='__main__': 来运行您的代码，看看它是否有效？