其中LGBMModel是 LightGBM 的基本模型类，它是一个泛型模型类，可以用于各种类型的问题(如分类、回归等 )。通常，我们不直接使用 LGBMModel，而是使用针对特定任务的子类使用不同的类，即分类问题使用 LGBMClassifier 、回归问题使用 LGBMRegressor，而排序问题则使用LGBMRanker。接下来我们重点解释分类和回归模型类的超参数。

Sklearn API
LGBMModel ( [boosting_type,num_leaves,...] )	Implementataion of scikit-learn API for LightGBM
LGBMClassifier ( [boosting_type,num_leaves,...] )	LightGBM classifier
LGBMRegressor ( [boosting_type,num_leaves,...] )	LightGBM regressor
LGBMRanker ( [boosting_type,num_leaves,...] )	LightGBM ranker

·LGBMClassifier的超参数

LGBMClassifier的超参数概览
1、决策树剪枝超参数
num_leaves	一个树上的叶子节点数，默认为31
max_depth	树的最大深度，默认值为-1，表示无限制
min_split_gain	相当于min_impurity_decrease,再分裂所需的最小增益。默认值为0，表示无限制
min_child_weight	子节点的最小权重和。默认值为1e-3。较大的min_child_weight可以防止过拟合
min_child_samples	相当于min_samples_leaf，单个叶子节点上的最小样本数量。默认值为20，较大的min_child_samples可以防止过拟合
2、Boosting过程控制超参数

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/喵喵爱编程/article/detail/801554