lightgbm.LGBMModel
- class lightgbm.LGBMModel(*, boosting_type='gbdt', num_leaves=31, max_depth=-1, learning_rate=0.1, n_estimators=100, subsample_for_bin=200000, objective=None, class_weight=None, min_split_gain=0.0, min_child_weight=0.001, min_child_samples=20, subsample=1.0, subsample_freq=0, colsample_bytree=1.0, reg_alpha=0.0, reg_lambda=0.0, random_state=None, n_jobs=None, importance_type='split', **kwargs)[source]
基类:
BaseEstimator
LightGBM 的 scikit-learn API 实现。
- __init__(*, boosting_type='gbdt', num_leaves=31, max_depth=-1, learning_rate=0.1, n_estimators=100, subsample_for_bin=200000, objective=None, class_weight=None, min_split_gain=0.0, min_child_weight=0.001, min_child_samples=20, subsample=1.0, subsample_freq=0, colsample_bytree=1.0, reg_alpha=0.0, reg_lambda=0.0, random_state=None, n_jobs=None, importance_type='split', **kwargs)[source]
构建一个梯度提升模型。
- 参数:
boosting_type (str, 可选 (默认='gbdt')) – ‘gbdt’,传统梯度提升决策树。‘dart’,Dropouts meets Multiple Additive Regression Trees。‘rf’,随机森林。
num_leaves (int, 可选 (默认=31)) – 基学习器的最大树叶数。
max_depth (int, 可选 (默认=-1)) – 基学习器的最大树深度,<=0 表示无限制。如果设置为正值,请考虑也将
num_leaves
更改为<= 2^max_depth
。learning_rate (float, 可选 (默认=0.1)) – 提升学习率。您可以使用
fit
方法的callbacks
参数,通过reset_parameter
回调函数在训练中收缩/调整学习率。请注意,这将忽略训练中的learning_rate
参数。n_estimators (int, 可选 (默认=100)) – 要拟合的提升树的数量。
subsample_for_bin (int, 可选 (默认=200000)) – 用于构建直方图的样本数。
objective (str, callable 或 None, 可选 (默认=None)) – 指定学习任务和相应的学习目标或要使用的自定义目标函数(参见下面的说明)。默认值:LGBMRegressor 为 'regression',LGBMClassifier 为 'binary' 或 'multiclass',LGBMRanker 为 'lambdarank'。
class_weight (dict, 'balanced' 或 None, 可选 (默认=None)) – 与类别关联的权重,形式为
{class_label: weight}
。仅用于多类别分类任务;对于二元分类任务,您可以使用is_unbalance
或scale_pos_weight
参数。请注意,使用所有这些参数会导致对单个类别概率的估计不准确。您可能需要考虑对模型进行概率校准 (https://scikit-learn.cn/stable/modules/calibration.html)。'balanced' 模式使用 y 的值,根据输入数据中类别的频率自动调整权重,计算方式为n_samples / (n_classes * np.bincount(y))
。如果为 None,则所有类别都被认为权重为一。请注意,如果指定了sample_weight
(通过fit
方法传入),这些权重将与sample_weight
相乘。min_split_gain (float, 可选 (默认=0.)) – 在树的叶节点上进一步划分所需的最小损失减少量。
min_child_weight (float, 可选 (默认=1e-3)) – 子节点(叶节点)所需的最小实例权重(Hessian)总和。
min_child_samples (int, 可选 (默认=20)) – 子节点(叶节点)所需的最小数据量。
subsample (float, 可选 (默认=1.)) – 训练实例的子采样比例。
subsample_freq (int, 可选 (默认=0)) – 子采样的频率,<=0 表示不启用。
colsample_bytree (float, 可选 (默认=1.)) – 构建每棵树时列的子采样比例。
reg_alpha (float, 可选 (默认=0.)) – 权重上的 L1 正则项。
reg_lambda (float, 可选 (默认=0.)) – 权重上的 L2 正则项。
random_state (int, RandomState 对象 或 None, 可选 (默认=None)) – 随机数种子。如果为 int,则此数字用于初始化 C++ 代码的种子。如果为 RandomState 或 Generator 对象 (numpy),则根据其状态选择一个随机整数来初始化 C++ 代码的种子。如果为 None,则使用 C++ 代码中的默认种子。
n_jobs (int 或 None, 可选 (默认=None)) –
训练时使用的并行线程数(可以通过将其作为额外的关键字参数在预测时更改)。
为了更好的性能,建议将其设置为 CPU 中的物理核心数。
负整数按照 joblib 的公式解释(n_cpus + 1 + n_jobs),就像 scikit-learn 一样(例如 -1 表示使用所有线程)。值为零对应于系统中为 OpenMP 配置的默认线程数。值为
None
(默认)对应于使用系统中的物理核心数(正确检测它需要安装joblib
或psutil
实用程序库)。版本 4.0.0 中更改。
importance_type (str, 可选 (默认='split')) – 要填充到
feature_importances_
中的特征重要性类型。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进行分割的总增益。**kwargs –
模型的其他参数。请查看 https://lightgbm.cn/en/stable/Parameters.html 获取更多参数。
警告
**kwargs 在 sklearn 中不受支持,可能会导致意外问题。
注意
可以为
objective
参数提供自定义目标函数。在这种情况下,它应该具有签名objective(y_true, y_pred) -> grad, hess
、objective(y_true, y_pred, weight) -> grad, hess
或objective(y_true, y_pred, weight, group) -> grad, hess
- y_true形状为 [n_samples] 的 numpy 1-D 数组
目标值。
- y_pred形状为 [n_samples] 的 numpy 1-D 数组或形状为 [n_samples, n_classes] 的 numpy 2-D 数组(用于多类别任务)
预测值。预测值在任何变换之前返回,例如,在二元任务中,它们是原始边距而不是正类别的概率。
- weight形状为 [n_samples] 的 numpy 1-D 数组
样本的权重。权重应为非负数。
- groupnumpy 1-D 数组
组/查询数据。仅用于排序学习任务。sum(group) = n_samples。例如,如果您有一个包含 100 篇文档的数据集,且
group = [10, 20, 40, 10, 10, 10]
,这意味着您有 6 个组,其中前 10 条记录属于第一组,记录 11-30 属于第二组,记录 31-70 属于第三组,以此类推。- grad形状为 [n_samples] 的 numpy 1-D 数组或形状为 [n_samples, n_classes] 的 numpy 2-D 数组(用于多类别任务)
对于每个样本点,损失函数相对于 y_pred 元素的一阶导数(梯度)的值。
- hess形状为 [n_samples] 的 numpy 1-D 数组或形状为 [n_samples, n_classes] 的 numpy 2-D 数组(用于多类别任务)
对于每个样本点,损失函数相对于 y_pred 元素的二阶导数(Hessian)的值。
对于多类别任务,y_pred 是形状为 [n_samples, n_classes] 的 numpy 2-D 数组,grad 和 hess 应以相同的格式返回。
方法
__init__
(*[, boosting_type, num_leaves, ...])构建一个梯度提升模型。
fit
(X, y[, sample_weight, init_score, ...])从训练集 (X, y) 构建梯度提升模型。
获取此对象的元数据路由。
get_params
([deep])获取此评估器的参数。
predict
(X[, raw_score, start_iteration, ...])返回每个样本的预测值。
set_fit_request
(*[, callbacks, ...])请求传递给
fit
方法的元数据。set_params
(**params)设置此评估器的参数。
set_predict_request
(*[, num_iteration, ...])请求传递给
predict
方法的元数据。属性
如果指定了
early_stopping()
回调函数,则为已拟合模型的最佳迭代次数。已拟合模型的最佳分数。
此模型底层的 Booster。
如果指定了验证集,则为评估结果。
特征重要性(值越高,越重要)。
特征名称。
.feature_name_
的 scikit-learn 兼容版本。执行的实际提升迭代次数。
已拟合模型的特征数量。
已拟合模型的特征数量。
执行的实际提升迭代次数。
拟合此模型时使用的具体目标。
- 属性 best_iteration_
如果指定了
early_stopping()
回调函数,则为已拟合模型的最佳迭代次数。- 类型:
int
- 属性 best_score_
已拟合模型的最佳分数。
- 类型:
dict
- 属性 evals_result_
如果指定了验证集,则为评估结果。
- 类型:
dict
- 属性 feature_importances_
特征重要性(值越高,越重要)。
注意
将
importance_type
属性传递给函数,以配置要提取的重要性值的类型。- 类型:
形状为 [n_features] 的
array
- 属性 feature_name_
特征名称。
注意
如果输入不包含特征名称,它们将在拟合期间以
Column_0
、Column_1
、…、Column_N
的格式添加。- 类型:
形状为 [n_features] 的
list
- 属性 feature_names_in_
.feature_name_
的 scikit-learn 兼容版本。版本 4.5.0 中添加。
- 类型:
形状为 [n_features] 的
array
- fit(X, y, sample_weight=None, init_score=None, group=None, eval_set=None, eval_names=None, eval_sample_weight=None, eval_class_weight=None, eval_init_score=None, eval_group=None, eval_metric=None, feature_name='auto', categorical_feature='auto', callbacks=None, init_model=None)[source]
从训练集 (X, y) 构建梯度提升模型。
- 参数:
X (numpy 数组, pandas DataFrame, H2O DataTable 的 Frame (已弃用), scipy.sparse, 形状为 [n_samples, n_features] 的 int 或 float 列表的列表) – 输入特征矩阵。
y (numpy 数组, pandas DataFrame, pandas Series, 形状为 [n_samples] 的 int 或 float 列表) – 目标值(分类中的类别标签,回归中的实数)。
sample_weight (numpy 数组, pandas Series, 形状为 [n_samples] 的 int 或 float 列表或 None, 可选 (默认=None)) – 训练数据的权重。权重应为非负数。
init_score (numpy 数组, pandas DataFrame, pandas Series, 形状为 [n_samples] 或形状为 [n_samples * n_classes](用于多类别任务)或形状为 [n_samples, n_classes](用于多类别任务)的 int 或 float 列表或 None, 可选 (默认=None)) – 训练数据的初始分数。
group (numpy 数组, pandas Series, int 或 float 列表或 None, 可选 (默认=None)) – 组/查询数据。仅用于排序学习任务。sum(group) = n_samples。例如,如果您有一个包含 100 篇文档的数据集,且
group = [10, 20, 40, 10, 10, 10]
,这意味着您有 6 个组,其中前 10 条记录属于第一组,记录 11-30 属于第二组,记录 31-70 属于第三组,以此类推。eval_set (list 或 None, 可选 (默认=None)) – 用作验证集的 (X, y) 元组对列表。
eval_names (str 列表或 None, 可选 (默认=None)) – eval_set 的名称。
eval_sample_weight (数组列表(与
sample_weight
支持的类型相同)或 None, 可选 (默认=None)) – 评估数据的权重。权重应为非负数。eval_class_weight (list 或 None, 可选 (默认=None)) – 评估数据的类别权重。
eval_init_score (数组列表(与
init_score
支持的类型相同)或 None, 可选 (默认=None)) – 评估数据的初始分数。eval_group (数组列表(与
group
支持的类型相同)或 None, 可选 (默认=None)) – 评估数据的组数据。eval_metric (str, callable, list 或 None, 可选 (默认=None)) – 如果为 str,则应为要使用的内置评估指标。如果为 callable,则应为自定义评估指标,详情参见下方说明。如果为 list,可以是内置指标列表、自定义评估指标列表或两者的混合。在任何情况下,模型参数中的
metric
也将被评估和使用。默认值:LGBMRegressor 为 'l2',LGBMClassifier 为 'logloss',LGBMRanker 为 'ndcg'。feature_name (str 列表或 'auto', 可选 (默认='auto')) – 特征名称。如果为 'auto' 且数据为 pandas DataFrame,则使用数据列名。
categorical_feature (str 或 int 列表或 'auto', 可选 (默认='auto')) – 类别特征。如果为 int 列表,则解释为索引。如果为 str 列表,则解释为特征名称(也需要指定
feature_name
)。如果为 'auto' 且数据为 pandas DataFrame,则使用 pandas 无序类别列。类别特征中的所有值都将转换为 int32,因此应小于 int32 最大值 (2147483647)。大值可能会消耗内存。考虑使用从零开始的连续整数。类别特征中的所有负值都将被视为缺失值。输出不能相对于类别特征进行单调约束。类别特征中的浮点数将向 0 取整。callbacks (callable 列表或 None, 可选 (默认=None)) – 在每次迭代时应用的回调函数列表。有关更多信息,请参见 Python API 中的回调函数。
init_model (str, pathlib.Path, Booster, LGBMModel 或 None, 可选 (默认=None)) – 用于继续训练的 LightGBM 模型文件名、Booster 实例或 LGBMModel 实例。
- 返回:
self – 返回自身。
- 返回类型:
注意
自定义评估函数期望一个具有以下签名的 callable:
func(y_true, y_pred)
、func(y_true, y_pred, weight)
或func(y_true, y_pred, weight, group)
,并返回 (eval_name, eval_result, is_higher_better) 或 (eval_name, eval_result, is_higher_better) 列表- y_true形状为 [n_samples] 的 numpy 1-D 数组
目标值。
- y_pred形状为 [n_samples] 的 numpy 1-D 数组或形状为 [n_samples, n_classes] 的 numpy 2-D 数组(用于多类别任务)
预测值。在使用自定义
objective
的情况下,预测值在任何变换之前返回,例如,在这种情况下,它们是原始边距而不是二元任务的正类别的概率。- weight形状为 [n_samples] 的 numpy 1-D 数组
样本的权重。权重应为非负数。
- groupnumpy 1-D 数组
组/查询数据。仅用于排序学习任务。sum(group) = n_samples。例如,如果您有一个包含 100 篇文档的数据集,且
group = [10, 20, 40, 10, 10, 10]
,这意味着您有 6 个组,其中前 10 条记录属于第一组,记录 11-30 属于第二组,记录 31-70 属于第三组,以此类推。- eval_namestr
评估函数名称(不含空格)。
- eval_resultfloat
评估结果。
- is_higher_betterbool
评估结果是否越高越好,例如 AUC 为
is_higher_better
。
- get_metadata_routing()
获取此对象的元数据路由。
请查看 用户指南 了解路由机制的工作原理。
- 返回:
routing – 包含路由信息的
MetadataRequest
。- 返回类型:
MetadataRequest
- get_params(deep=True)[source]
获取此评估器的参数。
- 参数:
deep (bool, 可选 (默认=True)) – 如果为 True,将返回此评估器及其包含的作为评估器的子对象的参数。
- 返回:
params – 参数名称与其值的映射。
- 返回类型:
dict
- 属性 n_estimators_
执行的实际提升迭代次数。
如果启用了 early stopping 或由于像
min_gain_to_split
这样的复杂度限制导致提升提前停止,这可能小于参数n_estimators
。版本 4.0.0 中添加。
- 类型:
int
- 属性 n_features_
已拟合模型的特征数量。
- 类型:
int
- 属性 n_features_in_
已拟合模型的特征数量。
- 类型:
int
- 属性 n_iter_
执行的实际提升迭代次数。
如果启用了 early stopping 或由于像
min_gain_to_split
这样的复杂度限制导致提升提前停止,这可能小于参数n_estimators
。版本 4.0.0 中添加。
- 类型:
int
- 属性 objective_
拟合此模型时使用的具体目标。
- 类型:
str
或callable
- predict(X, raw_score=False, start_iteration=0, num_iteration=None, pred_leaf=False, pred_contrib=False, validate_features=False, **kwargs)[source]
返回每个样本的预测值。
- 参数:
X (numpy 数组, pandas DataFrame, H2O DataTable 的 Frame (已弃用), scipy.sparse, 形状为 [n_samples, n_features] 的 int 或 float 列表的列表) – 输入特征矩阵。
raw_score (bool, 可选 (默认=False)) – 是否预测原始分数。
start_iteration (int, 可选 (默认=0)) – 预测开始的迭代索引。如果 <= 0,则从第一次迭代开始。
num_iteration (int 或 None, 可选 (默认=None)) – 预测中使用的总迭代次数。如果为 None,并且最佳迭代存在且 start_iteration <= 0,则使用最佳迭代;否则,使用从
start_iteration
开始的所有迭代(无限制)。如果 <= 0,则使用从start_iteration
开始的所有迭代(无限制)。pred_leaf (bool, 可选 (默认=False)) – 是否预测叶节点索引。
pred_contrib (bool, 可选 (默认=False)) –
是否预测特征贡献。
注意
如果您想使用 SHAP 值(如 SHAP 交互值)获取模型预测的更多解释,可以安装 shap 包 (https://github.com/slundberg/shap)。请注意,与 shap 包不同,使用
pred_contrib
我们返回一个包含额外列的矩阵,其中最后一列是期望值。validate_features (bool, 可选 (默认=False)) – 如果为 True,确保用于预测的特征与用于训练的特征匹配。仅在数据为 pandas DataFrame 时使用。
**kwargs – 预测的其他参数。
- 返回:
predicted_result (形状为 [n_samples] 或形状为 [n_samples, n_classes] 的 array-like) – 预测值。
X_leaves (形状为 [n_samples, n_trees] 或形状为 [n_samples, n_trees * n_classes] 的 array-like) – 如果
pred_leaf=True
,则为每个样本在每棵树上的预测叶节点。X_SHAP_values (形状为 [n_samples, n_features + 1] 或形状为 [n_samples, (n_features + 1) * n_classes] 的 array-like 或包含 n_classes 个此类对象的列表) – 如果
pred_contrib=True
,则为每个样本的特征贡献。
- set_fit_request(*, callbacks='$UNCHANGED$', categorical_feature='$UNCHANGED$', eval_class_weight='$UNCHANGED$', eval_group='$UNCHANGED$', eval_init_score='$UNCHANGED$', eval_metric='$UNCHANGED$', eval_names='$UNCHANGED$', eval_sample_weight='$UNCHANGED$', eval_set='$UNCHANGED$', feature_name='$UNCHANGED$', group='$UNCHANGED$', init_model='$UNCHANGED$', init_score='$UNCHANGED$', sample_weight='$UNCHANGED$')
请求传递给
fit
方法的元数据。请注意,此方法仅在
enable_metadata_routing=True
时相关(参见sklearn.set_config()
)。请查看 用户指南 了解路由机制的工作原理。每个参数的选项为
True
:请求元数据,如果提供则传递给fit
。如果未提供元数据,则忽略该请求。False
:不请求元数据,并且 meta-estimator 不会将其传递给fit
。None
:不请求元数据,并且如果用户提供元数据,meta-estimator 将引发错误。str
:元数据应以指定的别名而不是原始名称传递给 meta-estimator。
默认值 (
sklearn.utils.metadata_routing.UNCHANGED
) 保留现有请求。这允许您更改某些参数的请求而不更改其他参数。版本 1.3 中添加。
注意
此方法仅在将此评估器用作 meta-estimator 的子评估器时相关,例如在
Pipeline
中使用。否则,它不起作用。- 参数:
callbacks (str, True, False 或 None, 默认值=sklearn.utils.metadata_routing.UNCHANGED) –
fit
方法中callbacks
参数的元数据路由。categorical_feature (str, True, False 或 None, 默认值=sklearn.utils.metadata_routing.UNCHANGED) –
fit
方法中categorical_feature
参数的元数据路由。eval_class_weight (str, True, False 或 None, 默认值=sklearn.utils.metadata_routing.UNCHANGED) –
fit
方法中eval_class_weight
参数的元数据路由。eval_group (str, True, False 或 None, 默认值=sklearn.utils.metadata_routing.UNCHANGED) –
fit
方法中eval_group
参数的元数据路由。eval_init_score (str, True, False 或 None, 默认值=sklearn.utils.metadata_routing.UNCHANGED) –
fit
方法中eval_init_score
参数的元数据路由。eval_metric (str, True, False 或 None, 默认值=sklearn.utils.metadata_routing.UNCHANGED) –
fit
方法中eval_metric
参数的元数据路由。eval_names (str, True, False 或 None, 默认值=sklearn.utils.metadata_routing.UNCHANGED) –
fit
方法中eval_names
参数的元数据路由。eval_sample_weight (str, True, False 或 None, 默认值=sklearn.utils.metadata_routing.UNCHANGED) –
fit
方法中eval_sample_weight
参数的元数据路由。eval_set (str, True, False 或 None, 默认值=sklearn.utils.metadata_routing.UNCHANGED) –
fit
方法中eval_set
参数的元数据路由。feature_name (str, True, False 或 None, 默认值=sklearn.utils.metadata_routing.UNCHANGED) –
fit
方法中feature_name
参数的元数据路由。group (str, True, False 或 None, 默认值=sklearn.utils.metadata_routing.UNCHANGED) –
fit
方法中group
参数的元数据路由。init_model (str, True, False 或 None, 默认值=sklearn.utils.metadata_routing.UNCHANGED) –
fit
方法中init_model
参数的元数据路由。init_score (str, True, False 或 None, 默认值=sklearn.utils.metadata_routing.UNCHANGED) –
fit
方法中init_score
参数的元数据路由。sample_weight (str, True, False 或 None, 默认值=sklearn.utils.metadata_routing.UNCHANGED) –
fit
方法中sample_weight
参数的元数据路由。
- 返回:
self – 更新后的对象。
- 返回类型:
object
- set_predict_request(*, num_iteration='$UNCHANGED$', pred_contrib='$UNCHANGED$', pred_leaf='$UNCHANGED$', raw_score='$UNCHANGED$', start_iteration='$UNCHANGED$', validate_features='$UNCHANGED$')
请求传递给
predict
方法的元数据。请注意,此方法仅在
enable_metadata_routing=True
时相关(参见sklearn.set_config()
)。请查看 用户指南 了解路由机制的工作原理。每个参数的选项为
True
:请求元数据,如果提供则传递给predict
。如果未提供元数据,则忽略该请求。False
:不请求元数据,并且 meta-estimator 不会将其传递给predict
。None
:不请求元数据,并且如果用户提供元数据,meta-estimator 将引发错误。str
:元数据应以指定的别名而不是原始名称传递给 meta-estimator。
默认值 (
sklearn.utils.metadata_routing.UNCHANGED
) 保留现有请求。这允许您更改某些参数的请求而不更改其他参数。版本 1.3 中添加。
注意
此方法仅在将此评估器用作 meta-estimator 的子评估器时相关,例如在
Pipeline
中使用。否则,它不起作用。- 参数:
num_iteration (str, True, False 或 None, 默认值=sklearn.utils.metadata_routing.UNCHANGED) –
predict
方法中num_iteration
参数的元数据路由。pred_contrib (str, True, False 或 None, 默认值=sklearn.utils.metadata_routing.UNCHANGED) –
predict
方法中pred_contrib
参数的元数据路由。pred_leaf (str, True, False 或 None, 默认值=sklearn.utils.metadata_routing.UNCHANGED) –
predict
方法中pred_leaf
参数的元数据路由。raw_score (str, True, False 或 None, 默认值=sklearn.utils.metadata_routing.UNCHANGED) –
predict
方法中raw_score
参数的元数据路由。start_iteration (str, True, False 或 None, 默认值=sklearn.utils.metadata_routing.UNCHANGED) –
predict
方法中start_iteration
参数的元数据路由。validate_features (str, True, False 或 None, 默认值=sklearn.utils.metadata_routing.UNCHANGED) –
predict
方法中validate_features
参数的元数据路由。
- 返回:
self – 更新后的对象。
- 返回类型:
object