在python的最终模型培训中，我可以使用从R中调优获得的超参数吗？

Question

我目前正在为一个数据集创建和评估几个模型。

因为我对R比较熟悉，并且像tidymodel工作流一样，所以我使用tidymodels和tune来为例如lightgbm模型寻找最优的超参数。

但是，由于数据集非常大，而且R不像python那样具有性能，所以我使用完整数据的示例来完成此操作。

一旦获得了最优参数，我能用这些参数来训练python中完整数据的最终模型吗？

我看不出为什么不这样做，但我不确定我是不是忽略了什么。

Answer 1

如果在Python中重新训练的模型使用不同的数据，那么“最优”的超参数可能是不同的。所有的超参数都可能不受数据大小的影响。较大的数据可能包含更多的噪声/信号或不同的噪声/信号。

我猜--如果你的样本是来自较大数据的随机样本，并且你已经训练了多个样本，并且超参数是一致的，那么你可能已经接近了。

而且，取决于您的用例，“最优”可能真的意味着足够好。从预测中得出的业务决策可能不会通过稍微“更好”的模型来改进。您可以使用抽样的超参数，训练完整的数据，检查从预测中做出的决定，然后从那里开始。