如何手动将超参数分配给LGBM

Question

model = lightgbm.LGBMClassifier()  
hyperparameter_dictionary = {'boosting_type': 'goss',   'num_leaves': 25, 'n_estimators': 184, ...}  

我如何通过字典分配模型的超参数，以便我可以使用这些超参数来尝试模型的行为？

谢谢!

Answer 1

将超参数字典传递给模型构造函数，将**添加到字典以传递每个字典项，就像lgbm期望的每个https://lightgbm.readthedocs.io/en/latest/pythonapi/lightgbm.LGBMClassifier.html#lightgbm.LGBMClassifier的kwarg参数一样。

hyperparameter_dictionary = {'boosting_type': 'goss', 'num_leaves': 25, 'n_estimators': 184}
model = lightgbm.LGBMClassifier(**hyperparameter_dictionary)

测试：

print(model)

LGBMClassifier(boosting_type='goss', ... n_estimators=184, n_jobs=-1, num_leaves=25,...)

Answer 2

sklearn BaseEstimator接口提供了get_params和set_params，用于获取和设置估计器的超参数。LightGBM是兼容的，因此您可以执行以下操作：

model = lightgbm.LGBMClassifier()  
hyperparameter_dictionary = {'boosting_type': 'goss',   'num_leaves': 25, 'n_estimators': 184}  
model.set_params(**hyperparameter_dictionary)