Python 为什么LightGBM的R2分数为零？

R2得分为零，那么为什么在LGBM回归器中获得零值呢？

---

我没有分割我的数据序列测试，因为我的数据集很小。

由于未包含

“Prali Marble.xlsx”

的内容，因此此示例不完全可复制

但是，我可以用下面的代码重现一个0.0 R2，我认为它与您的示例非常匹配。与您的代码类似，这在具有单个特征的数据集上训练LightGBM回归模型

此代码在Python 3.8上使用

lightgbm

3.1.1

将numpy导入为np
作为pd进口熊猫
将lightgbm作为lgb导入
从sklearn.metrics导入r2_分数，均方误差为MSE
X=pd.DataFrame({
“feat1”：np.append（np.repeat（0.599），np.one（1））
})
Y=np.随机.随机（100，）
lgb_r=lgb.LGBMRegressor（）
lgb_r.配合（X，Y）
y_pred=lgb_r.predict（X）
打印（“LGBM R2_分数：”，R2_分数（Y，lgb_r.预测（X）））

LGBM R2_分数：0.0

在这种情况下，R2为0，因为模型只是预测

Y

的平均值。通过检查模型的结构可以看到这一点

lgb_r.booster_.trees_to_dataframe（）

这将返回一行数据帧，这发生在LightGBM不添加任何树时

LightGBM具有一些用于防止过度装配的参数。这里有两个相关问题：

• （默认值=20）
• （默认值=0.001）

通过将这些参数设置为0，可以告诉LightGBM忽略这些过盈保护

将numpy导入为np
作为pd进口熊猫
将lightgbm作为lgb导入
从sklearn.metrics导入r2_分数
X=pd.DataFrame({
“feat1”：np.append（np.repeat（0.599），np.one（1））
})
Y=np.随机.随机（100，）
lgb_r=lgb.lgbm回归器(
叶子中的最小数据=0，
叶中的最小和=0.0
)
lgb_r.配合（X，Y）
y_pred=lgb_r.predict（X）
打印（“LGBM R2_分数：”，R2_分数（Y，lgb_r.预测（X）））

谢谢你的回复。嗨@JamesLamb，谢谢你，伙计！！我已经试过了，我得到了R2_分数：0.78很多感谢，很高兴它有帮助！

import numpy as np
import pandas as pd
import lightgbm
from sklearn.metrics import r2_score,mean_squared_error as MSE
dataset = pd.read_excel("Prali Marble.xlsx")
X = dataset.iloc[:,2].values.reshape((-1, 1))
Y = dataset.iloc[:,3].values

from lightgbm import LGBMRegressor
lgb_r = LGBMRegressor()
lgb_r.fit(X,Y)
y_pred = lgb_r.predict(X)
print("LGBM R2_SCORE:", r2_score(Y, lgb_r.predict(X)))