LightGBM '在数据集中使用 categorical_feature。警告？

Question

根据我对 LightGBM 文档的阅读，应该在 Dataset 方法中定义分类特征。所以我有以下代码：

cats=['C1', 'C2']
d_train = lgb.Dataset(X, label=y, categorical_feature=cats)

但是，我收到以下错误消息：

/app/anaconda3/anaconda3/lib/python3.7/site-packages/lightgbm/basic.py:1243：用户警告：在数据集中使用 categorical_feature。 warnings.warn('在数据集中使用 categorical_feature。')

为什么我会收到警告消息？

Answer 1

我认为您在调用 lgb.train 时会收到此警告。这个函数也有参数categorical_feature，它的默认值是'auto'，这意味着从pandas.DataFrame（documentation）中获取分类列。在this line 发出的警告表明，尽管lgb.train 已要求自动识别分类特征，但LightGBM 将使用数据集中指定的特征。

为避免警告，您可以将相同的参数 categorical_feature 提供给 lgb.Dataset 和 lgb.train。或者，您可以使用categorical_feature=None 构建数据集，并仅在lgb.train 中指定分类特征。

Answer 2

像用户andrey-popov 所述，您可以使用lgb.train 的categorical_feature 参数来消除此警告。

下面是一个简单的示例，其中包含一些代码：

# Define categorical features
cat_feats = ['item_id', 'dept_id', 'store_id', 
             'cat_id', 'state_id', 'event_name_1',
             'event_type_1', 'event_name_2', 'event_type_2']
    ...

# Define the datasets with the categorical_feature parameter
train_data = lgb.Dataset(X.loc[train_idx], 
                         Y.loc[train_idx], 
                         categorical_feature=cat_feats, 
                         free_raw_data=False)

valid_data = lgb.Dataset(X.loc[valid_idx], 
                         Y.loc[valid_idx], 
                         categorical_feature=cat_feats, 
                         free_raw_data=False)

# And train using the categorical_feature parameter
lgb.train(lgb_params, 
          train_data, 
          valid_sets=[valid_data], 
          verbose_eval=20, 
          categorical_feature=cat_feats, 
          num_boost_round=1200)