我正在尝试使用学习排名算法来训练我的模型以解决项目排名问题。目前为此目的使用 scikit-learn LightGBM
我尝试使用 <a href="https://github.com/microsoft/LightGBM/tree/master/examples/binary_classification" rel="nofollow noreferrer">Ligh
我正在尝试为成本敏感的、逐个样本的二元分类器问题创建自定义误差函数
考虑一个具有 X 特征 y
我一直在尝试使用自定义目标损失函数训练 lightgbm 模型，但没有取得多大成功。具体来说，我得到以下
我有一个分类任务，我应该优化一个错误函数，例如：
[真、假、未知]
对于每个样本（数据
出于某种原因，无论输入矩阵具有哪些值，<code>LGBM_BoosterPredictForMat</code> C 函数都只会返回 0.5。
<pre><
<pre><code>from lightgbm import LGBMClassifier
model = LGBMClassifier()
model.fit(X_train, y_train)
</code></pre>
这是我的代码。
有谁知道lightgbm如何将<code>feature_fraction</code>参数（由用户定义为0.8等非整数）转换为整数值？
它
我将 sklearn 的投票分类器与两个分类器（lightgbm 和 xgboost）一起使用。每当输入数据仅包含数字信息（flo
如何将 lightgbm 输出限制为整数，而不是浮点数？我对当前的目标函数没问题，但我想限制叶子只输出整
我构建了以下模型：
<pre><code>def gen_binary_lightgbm(X_train, y_train, round_num, metric):
params = {
'learning_rate
我正在尝试在 python 中安装 LightGBM 回归器，但它给了我一个错误。基本上，我有一个数据集，其中所有
我使用 optuna lightgbm 集成创建模型，我的训练集有一些分类特征，我使用 <code>lgb.Dataset</code> 类将这些特
我正在尝试在由数值、分类和文本数据组成的数据集上训练 lightGBM 模型。但是，在训练阶段，我收到以
我目前正在使用 <code>xgb.train(...)</code>，它返回一个增强器，但我想使用 RFE 来选择最好的 100 个功能。返
我在 RStudio 上下载了 lightgbm 包并尝试使用它运行模型。
基于 <a href="https://www.retip.app/" rel="nofollow noreferre
如何在下面解释每个类的形状摘要图。我已经检查了下面的文件的解释对我来说仍然不是很清楚。请解
我收到错误
<块引用>
[LightGBM] [致命] 检查失败：(train_data->num_features()) > (0)
</blockquote>
对于形
我有以下管道：
<pre class="lang-python prettyprint-override"><code>from sklearn.pipeline import Pipeline
import lightgbm as l
当使用 <code>create_tree_digraph</code> 从回归中绘制第一棵树时，叶值使
对我没有意义。例如：
<pre class="l
