Python 3.x 在SKL中使用LightGBM拟合参数
我正在使用lightgbm和sklearnPython 3.x 在SKL中使用LightGBM拟合参数,python-3.x,machine-learning,scikit-learn,lightgbm,Python 3.x,Machine Learning,Scikit Learn,Lightgbm,我正在使用lightgbm和sklearnstacking方法,但我遇到了一个问题: 如何在LGBMRegressor.fit函数中设置一些参数 这是我目前的代码: from sklearn.datasets import load_diabetes from sklearn.linear_model import RidgeCV from sklearn.svm import LinearSVR from sklearn.ensemble import RandomForestRegresso
stacking
方法,但我遇到了一个问题:
如何在LGBMRegressor.fit
函数中设置一些参数
这是我目前的代码:
from sklearn.datasets import load_diabetes
from sklearn.linear_model import RidgeCV
from sklearn.svm import LinearSVR
from sklearn.ensemble import RandomForestRegressor
from sklearn.ensemble import StackingRegressor
from lightgbm import LGBMRegressor
X, y = load_diabetes(return_X_y=True)
estimators = [
('lr', RidgeCV()),
('svr', LinearSVR(random_state=42)),
('lgb', LGBMRegressor())
]
reg = StackingRegressor(
estimators=estimators,
final_estimator=RandomForestRegressor(n_estimators=10,
random_state=42)
)
reg.fit(X,Y)
但是我想在LGBMRegressor.fit
中设置num\u boost\u round
和early\u stopping\u round
,当我使用StackingRegressor.fit
※注:
不使用堆叠方法,我可以使用
lgb = LGBMRegressor()
lgb.fit(X,Y, num_boost_round=20000, early_stopping_rounds=1000)