什么'使用这两种方法进行轻量级gbm分类器之间的区别是什么

Question

我想正确使用一些Light gbm函数。

这是标准的方法，它与sklearn:中的任何其他分类器都没有什么不同

• 定义X，y
• 列车_测试_拆分
• 创建分类器
• 适合列车
• 测试预测

• 比较

  X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25)  
  #here maybe DecisionTreeClassifier(), RandomForestClassifier() etc
  model = lgb.LGBMClassifier()
  model.fit(X_train, y_train)
  predicted_y = model.predict(X_test)
  print(metrics.classification_report())
  

但light-gbm有自己的功能，就像lgb一样。数据集，Booster。

然而，在这个kaggle笔记本中，它根本没有调用LightGBMClassifier！为什么？

以lgbm的方式调用lgbm函数和训练模型的标准顺序是什么？

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25)
#why need this Dataset wrapper around x_train,y_train?
d_train = lgbm.Dataset(X_train, y_train)

#where is light gbm classifier()?
bst = lgbm.train(params, d_train, 50, early_stopping_rounds=100)
preds = bst.predict(y_test)

为什么它马上就训练？

Answer 1

LightGBM有几个不同的API，具有不同的方法名称(LGBMClassifier、Booster、train等(、参数，有时还有不同类型的数据，这就是为什么train方法不需要调用LGBMClassfier，而是需要另一种类型的数据集。没有正确/错误/标准的方法——如果使用得当，所有方法都是好的。https://lightgbm.readthedocs.io/en/latest/Python-API.html#training-api