Python 如何手动将hyperparameter分配给LGBM model=lightgbm.LGBMClassifier（） 超参数_字典={'boosting_type'：'goss'，'num_leaves'：25，'n_估计量]：184，…}

如何通过字典分配模型的超参数，以便使用这些超参数尝试模型的行为

---

谢谢

将hyperparam字典传递给模型构造函数，将

**

添加到dict中，以传递每个dict项，就像lgbm希望传递的kwarg参数一样：

测试：

---

将hyperparam字典传递给模型构造函数，将

**

添加到dict中，以传递每个dict项，就像lgbm希望传递的kwarg参数一样：

测试：

---

sklearn BaseEstimator界面提供了

get_params

和

set_params

用于获取和设置估计器的超参数。LightGBM是兼容的，因此您可以执行以下操作：

model=lightgbm.LGBMClassifier（）
超参数_字典={'boosting_type'：'goss'，'num_leaves'：25，'n_估计量]：184}
model.set_参数（**超参数_字典）

sklearn BaseEstimator界面提供了

get_params

和

set_params

用于获取和设置估计器的超参数。LightGBM是兼容的，因此您可以执行以下操作：

model=lightgbm.LGBMClassifier（）
超参数_字典={'boosting_type'：'goss'，'num_leaves'：25，'n_估计量]：184}
model.set_参数（**超参数_字典）

感谢您的回复。但这对我不起作用。即使它没有给出错误，这个模型也不正确。我认为问题在于字典中的超参数名称是str type。太棒了！谢谢你的帮助！谢谢你的回复。但这对我不起作用。即使它没有给出错误，这个模型也不正确。我认为问题在于字典中的超参数名称是str type。太棒了！谢谢你的帮助！这也是正确的。我想我错过的重点是**谢谢你的帮助！这也是正确的。我想我错过的重点是**谢谢你的帮助！

hyperparameter_dictionary = {'boosting_type': 'goss', 'num_leaves': 25, 'n_estimators': 184}
model = lightgbm.LGBMClassifier(**hyperparameter_dictionary)

print(model)

LGBMClassifier(boosting_type='goss', ... n_estimators=184, n_jobs=-1, num_leaves=25,...)