Python lightGBM预测相同的值

我有一个关于lgb的问题。当我写作时

lgb.train(.......)

它在不到毫秒的时间内完成。（对于（10000,25））形状数据集

当我写predict时，所有的输出变量都有相同的值

train = pd.read_csv('data/train.csv', dtype = dtypes)
test = pd.read_csv('data/test.csv')

test.head()

X = train.iloc[:10000, 3:-1].values
y = train.iloc[:10000, -1].values

sc = StandardScaler()
X = sc.fit_transform(X)

#pca = PCA(0.95)
#X = pca.fit_transform(X)

d_train = lgb.Dataset(X, label=y)
params = {}
params['learning_rate'] = 0.003
params['boosting_type'] = 'gbdt'
params['objective'] = 'binary'
params['metric'] = 'binary_logloss'
params['sub_feature'] = 0.5
params['num_leaves'] = 10
params['min_data'] = 50
params['max_depth'] = 10

num_round = 10
clf = lgb.train(params, d_train, num_round, verbose_eval=1000)

X_test = sc.transform(test.iloc[:100,3:].values)

pred = clf.predict(X_test,  num_iteration = clf.best_iteration)

打印pred时，所有值均为（0.49）

---

这是我第一次使用lightgbm模块。代码中有错误吗？或者我应该查找数据集中的一些不匹配

你的num_轮太小，它刚开始学习，然后停在那里。除此之外，让你的详细评估更小，以便在培训后直观地看到结果。我建议您尝试以下lgb.train代码：

clf=lgb.train（参数、d列、数量提升轮=5000、详细评估轮=10、提前停车轮=3500）

始终使用提前停止\u轮，因为如果没有明显的学习或模型开始过度拟合，模型应该停止

---

不要犹豫，多问一些。玩得开心。

谢谢你的回答，我正在尝试这种方法。要提前停止，需要验证集。我设法添加了它，但现在我收到了错误类型错误：train（）为参数'num\u boost\u round'获取了多个值，我正在尝试解决它。num\u boost\u round'应该与'num\u round'相同，这可能是错误的原因。下面是我的一段代码，用于解决您的验证集问题：myLGB=lgb.train（params，d_train，valid_sets=[d_train，d_test]，num_boost_round=4000，verbose_eval=10，early_stop_rounds=2750）很抱歉回复晚了。是的，这是我的错误，我改正了。谢谢。