如何解决LightGBM：lightgbm.dataset() 的意图
当我可以使用 sklearn API 提供数据并训练模型时，lightgbm.Dataset() 根据 docs 的目的是什么？
任何解释 lightgbm.dataset() 用法的真实示例都会很有趣？
解决方法
LightGBM 使用一些技术来加速训练，这些技术需要在训练开始前进行一次预处理。
其中最重要的是将连续特征分桶为直方图。当 LightGBM 搜索分裂以可能添加到树中时，它只搜索这些直方图 bin 的边界。这大大减少了要评估的拆分次数。
我认为来自 "What Makes LightGBM Fast?" 的这张图片描述得很好：
库中的 Dataset 对象是进行预处理的地方。直方图创建一次，然后在剩余的训练中不需要再次计算。
您可以通过查看控制该数据集的参数来获取有关 Dataset 对象中发生的情况的更多信息，该参数位于 https://lightgbm.readthedocs.io/en/latest/Parameters.html#dataset-parameters。其他任务的一些示例：
- 针对稀疏特征的优化
- 过滤掉不可分割的特征
何时可以使用 sklearn API 来提供数据并训练模型
lightgbm.sklearn 接口旨在使 LightGBM 与其他库（如 xgboost 和 scikit-learn）一起使用变得更加容易。它以 scipy 稀疏矩阵、pandas 数据框和 numpy 数组等格式接收数据，以便与其他库兼容。在内部，LightGBM 根据这些输入构建一个数据集。
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
