LGB ： 关于调参的一些说明

原文链接?

调参核心

• 调参1：提高准确率"：num_leaves, max_depth, learning_rate
• 调参2：降低过拟合 max_bin min_data_in_leaf
• 调参3：降低过拟合 正则化L1, L2
• 调参4：降低过拟合 数据抽样 列抽样

调参方向：处理过拟合（过拟合和准确率往往相反）

• 使用较小的 max_bin

• 使用较小的 num_leaves

• 使用 min_data_in_leaf 和 min_sum_hessian_in_leaf

• 通过设置 bagging_fraction 和 bagging_freq 来使用 bagging

• 通过设置 feature_fraction <1来使用特征抽样

• 使用更大的训练数据

• 使用 lambda_l1, lambda_l2 和 min_gain_to_split 来使用正则

• 尝试 max_depth 来避免生成过深的树

调参范围