lightgbm.cv

lightgbm.cv(params, train_set, num_boost_round=100, folds=None, nfold=5, stratified=True, shuffle=True, metrics=None, feval=None, init_model=None, fpreproc=None, seed=0, callbacks=None, eval_train_metric=False, return_cvbooster=False)[source]

使用给定的参数执行交叉验证。

参数:
  • params (dict) – 训练参数。通过 params 传递的值优先于通过参数提供的值。

  • train_set (Dataset) – 用于训练的数据。

  • num_boost_round (int, 可选 (默认值=100)) – 提升迭代次数。

  • folds (生成器迭代器,其中包含 (train_idx, test_idx) 元组scikit-learn 分割器对象None, 可选 (默认值=None)) – 如果是生成器或迭代器,它应该为每个折叠生成训练和测试索引。如果是一个对象,它应该是 scikit-learn 分割器类之一 (https://scikit-learn.cn/stable/modules/classes.html#splitter-classes) 并且有 split 方法。此参数优先级最高,高于其他数据分割参数。

  • nfold (int, 可选 (默认值=5)) – CV 中的折叠数。

  • stratified (bool, 可选 (默认值=True)) – 是否执行分层抽样。

  • shuffle (bool, 可选 (默认值=True)) – 是否在分割数据前进行洗牌。

  • metrics (str, str 列表, 或 None, 可选 (默认值=None)) – CV 期间要监控的评估指标。如果不是 None,则 params 中的指标将被覆盖。

  • feval (可调用对象, 可调用对象列表, 或 None, 可选 (默认值=None)) –

    自定义评估函数。每个评估函数应该接受两个参数:preds, eval_data,并返回 (eval_name, eval_result, is_higher_better) 或此类元组的列表。

    predsnumpy 1-D 数组或 numpy 2-D 数组(用于多类别任务)

    预测值。对于多类别任务,preds 是形状为 [n_samples, n_classes] 的 numpy 2-D 数组。如果使用了自定义目标函数,预测值在任何转换之前返回,例如,在这种情况下,对于二分类任务,它们是原始边距而不是正类的概率。

    eval_dataDataset

    用于评估的 Dataset 对象。

    eval_namestr

    评估函数的名称(无空格)。

    eval_resultfloat

    评估结果。

    is_higher_betterbool

    评估结果是否越高越好,例如 AUC 的 is_higher_better

    要忽略与所用目标相对应的默认指标,请将 metrics 设置为字符串 "None"

  • init_model (str, pathlib.Path, BoosterNone, 可选 (默认值=None)) – 用于继续训练的 LightGBM 模型文件名或 Booster 实例。

  • fpreproc (可调用对象None, 可选 (默认值=None)) – 预处理函数,接受 (dtrain, dtest, params) 并返回转换后的版本。

  • seed (int, 可选 (默认值=0)) – 用于生成折叠的种子(传递给 numpy.random.seed)。

  • callbacks (可调用对象列表, 或 None, 可选 (默认值=None)) – 在每次迭代时应用的回调函数列表。有关更多信息,请参阅 Python API 中的 Callbacks。

  • eval_train_metric (bool, 可选 (默认值=False)) – 是否在训练过程中显示训练指标。指标得分在每个训练步骤后会重新计算,因此对性能有一定影响。

  • return_cvbooster (bool, 可选 (默认值=False)) – 是否通过 CVBooster 返回在每个折叠上训练的 Booster 模型。

注意

可以为 objective 参数提供自定义目标函数。它应该接受两个参数:preds, train_data,并返回 (grad, hess)。

predsnumpy 1-D 数组或 numpy 2-D 数组(用于多类别任务)

预测值。预测值在任何转换之前返回,例如,对于二分类任务,它们是原始边距而不是正类的概率。

train_dataDataset

训练数据集。

gradnumpy 1-D 数组或 numpy 2-D 数组(用于多类别任务)

损失函数相对于每个样本点的 preds 元素的的一阶导数(梯度)的值。

hessnumpy 1-D 数组或 numpy 2-D 数组(用于多类别任务)

损失函数相对于每个样本点的 preds 元素的的二阶导数(Hessian)的值。

对于多类别任务,preds 是形状为 [n_samples, n_classes] 的 numpy 2-D 数组,grad 和 hess 也应以相同格式返回。

返回:

eval_results – 每个指标的评估结果历史。字典格式如下:{'valid metric1-mean': [values], 'valid metric1-stdv': [values], 'valid metric2-mean': [values], 'valid metric2-stdv': [values], ...}。如果 return_cvbooster=True,还会通过 cvbooster 键返回包装在 CVBooster 对象中的训练好的 Booster。如果 eval_train_metric=True,还会返回训练指标历史。在这种情况下,字典格式如下:{'train metric1-mean': [values], 'valid metric1-mean': [values], 'train metric2-mean': [values], 'valid metric2-mean': [values], ...}。

返回类型:

dict