python - LightGBM运行时如何更改参数？

Question

因此，我想在 LightGBM 运行后更改参数或运行 10000 次后，我想添加另一个具有不同参数的模型，但使用之前训练的模型。

类似这样的事情:

params = {
        "objective" : "regression", 
        "metric" : "mae", 
        "num_leaves" : 35, 
        "learning_rate" : 0.05, 
        "bagging_fraction" : 0.7,
        "bagging_seed" : 0, 
        "num_threads" : 4,
        "colsample_bytree" : 0.7,
        'min_data_in_leaf':200, 
        'min_split_gain':0.0004,
        'lambda_l2':0.1
}

model = lgb.train(  params, 
                    train_set = train_set,
                    num_boost_round=1000,
                    early_stopping_rounds=200,
                    verbose_eval=100, 
                    valid_sets=[train_set,valid_set]
)

params = {
        "objective" : "dart", 
        "metric" : "mae", 
        "num_leaves" : 44, 
        "learning_rate" : 0.01, 
        "bagging_fraction" : 0.3,
        "bagging_seed" : 0, 
        "num_threads" : 4,
        "colsample_bytree" : 0.1,
        'min_data_in_leaf':400, 
        'min_split_gain':0.0001,
        'lambda_l2':0.2
}

model = lgb.train(                   
                    params, 
                    train_set = train_set,
                    num_boost_round=2000,
                    early_stopping_rounds=200,
                    verbose_eval=100,
                    init_model=model,          
                    valid_sets=[train_set,valid_set]

)

但是在这里，当我使用 init_model=model 时，我收到此错误:

LightGBMError:释放原始数据后无法设置预测器，在构造数据集时设置 free_raw_data=False 以避免这种情况。

Answer 1

这是幸运的错误之一，您需要准确执行错误消息所解释的操作(这是我的代码片段):

d_train = lgb.Dataset(x_train, label=y_train, free_raw_data = False)

当您构建 lightgbm.Dataset 对象时，验证和测试集相同。

其余的不需要改变，你的代码看起来很好(还有 init_model 部分)。问题在于 LightGBM 的 Python 包装器，需要为此类拉入/拉出模型用途设置原始数据的构造。如果您有兴趣更深入地了解情况，请查看:https://lightgbm.readthedocs.io/en/latest/FAQ.html

我相信这个答案可以解决您的问题。但如果没有，请随时询问更多。祝你好运!