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,…},python,machine-learning,scikit-learn,hyperparameters,lightgbm,Python,Machine Learning,Scikit Learn,Hyperparameters,Lightgbm,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
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,...)