lightgbm

    0熱度

    1回答

    我目前正在XGBoost/lightGBM之間進行測試,以便對項目進行排名。我正在複製這裏提供的基準:https://github.com/guolinke/boosting_tree_benchmarks。 我已經能夠成功地重現他們的工作中提到的基準。我想確保我正確實現了我自己的ndcg指標版本,並正確理解排名問題。 我的問題是: 當使用NDCG創建測試集驗證 - 有一個test.group文件

    1熱度

    1回答

    我安裝了lightgbm與conda install -c creditx lightgbm=0.2.0,並導入lightgbm成功,但是當我導入LGBMClassifier或使用LGBMClassifier時,它會失敗。 錯誤是: <module 'posixpath' from '/usr/anaconda3/lib/python3.5/posixpath.py'> Traceback (m

    1熱度

    2回答

    我按照安裝指南找到https://github.com/Microsoft/LightGBM/wiki/Installation-Guide來安裝LightGBM。在MinGW shell中,我可以下載git repo,然後cd進入build目錄。當我試試下面的命令: cmake -G "MinGW Makefiles" .. 我得到以下錯誤: CMake Error at C:/Progra

    4熱度

    1回答

    通過閱讀LightGBM關於交叉驗證的文檔,我希望這個社區能夠闡明使用LightGBM交叉驗證結果和改進我們的預測。我們如何使用lightgbm.cv的字典輸出來改進我們的預測? 下面是一個例子 - 我們用下面的代碼訓練我們的CV模型: cv_mod = lgb.cv(params, d_train, 500, nfold = 10,

    0熱度

    2回答

    我使用交叉驗證,像這樣訓練模式: classifier = lgb.Booster( params=params, train_set=lgb_train_set, ) result = lgb.cv( init_model=classifier, params=params, train_set=lgb_train_set, num_

    0熱度

    1回答

    我收到以下錯誤導入LGBMResgressor到lightgbm同時: ImportError Traceback (most recent call last) <ipython-input-38-1a53b4f7b770> in <module>() 5 from sklearn.kernel_ridge import KernelRidge 6 import li

    1熱度

    1回答

    熊貓分類https://pandas.pydata.org/pandas-docs/stable/categorical.html如何處理新的和看不到的水平?我正在考慮像設置一樣的scikit-learn。目前,我有這樣的: https://gist.github.com/geoHeil/5caff5236b4850d673b2c9b0799dc2ce def: fit() for ea

    0熱度

    1回答

    我在windows上使用pip to install lightgbm,它工作嗎? 因爲我在導入LGBMRegressor時出錯。 錯誤顯示如下 "cannot import name 'LGBMRegressor'"

    0熱度

    1回答

    我與LightGBM相當新的,我想通過LGBMRegressor以適應簡單的線條。 import numpy as np import lightgbm as lgbm xs = np.linspace(0, 10, 30).reshape((-1, 1)) ys = np.linspace(0, 10, 30) reg = lgbm.sklearn.LGBMRegressor() r

    5熱度

    1回答

    最近,我正在做多個實驗來比較Python XgBoost和LightGBM。看起來這個LightGBM是一種新的算法,人們說它在速度和準確性方面比XGBoost更好。 這是LightGBM GitHub。 這是LightGBM python API documents,在這裏你會發現你可以調用的python函數。它可以直接從LightGBM模型調用,也可以通過LightGBM scikit-lea