lightgbm.CVBooster

class lightgbm.CVBooster(model_file=None)

基类: object

LightGBM 中的 CVBooster。

用于保存和重定向 cv() 函数所有 Booster 的辅助数据结构。此类具有与 Booster 类相同的公共方法。除了以下方法外，所有方法调用实际上都作用于底层的 Booster，然后所有返回结果都以列表形式返回。

• model_from_string()

• model_to_string()

• save_model()

boosters

底层已拟合模型的列表。

类型:

Booster 列表

best_iteration

已拟合模型的最佳迭代次数。

类型:

int

__init__(model_file=None)

初始化 CVBooster。

参数:

model_file (str, pathlib.Path or None, optional (default=None)) – CVBooster 模型文件的路径。

方法

__init__([model_file])	初始化 CVBooster。
model_from_string(model_str)	从字符串加载 CVBooster。
model_to_string([num_iteration, ...])	将 CVBooster 保存为 JSON 字符串。
save_model(filename[, num_iteration, ...])	将 CVBooster 保存到文件作为 JSON 文本。

model_from_string(model_str)

从字符串加载 CVBooster。

参数:

model_str (str) – 模型将从该字符串加载。

返回:

self – 加载的 CVBooster 对象。

返回类型:

CVBooster

model_to_string(num_iteration=None, start_iteration=0, importance_type='split')

将 CVBooster 保存为 JSON 字符串。

参数:

• num_iteration (int or None, optional (default=None)) – 应保存的迭代次数索引。如果为 None，则如果存在最佳迭代次数，则保存该迭代次数；否则，保存所有迭代次数。如果 <= 0，则保存所有迭代次数。

• start_iteration (int, optional (default=0)) – 应保存的迭代次数的起始索引。

• importance_type (str, optional (default="split")) – 应保存的特征重要性类型。如果为 “split”，结果包含特征在模型中使用的次数。如果为 “gain”，结果包含使用该特征的分裂的总增益。

返回:

str_repr – CVBooster 的 JSON 字符串表示。

返回类型:

str

save_model(filename, num_iteration=None, start_iteration=0, importance_type='split')

将 CVBooster 保存到文件作为 JSON 文本。

参数:

• filename (str or pathlib.Path) – 保存 CVBooster 的文件名。

• num_iteration (int or None, optional (default=None)) – 应保存的迭代次数索引。如果为 None，则如果存在最佳迭代次数，则保存该迭代次数；否则，保存所有迭代次数。如果 <= 0，则保存所有迭代次数。

• start_iteration (int, optional (default=0)) – 应保存的迭代次数的起始索引。

• importance_type (str, optional (default="split")) – 应保存的特征重要性类型。如果为 “split”，结果包含特征在模型中使用的次数。如果为 “gain”，结果包含使用该特征的分裂的总增益。

返回:

self – 返回自身。

返回类型:

CVBooster