如何手动将超参数分配给 LGBM答案

【问题标题】：How to manually assign hyperparameter to LGBM如何手动将超参数分配给 LGBM
【发布时间】：2020-01-07 20:15:19
【问题描述】：

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

如何通过字典分配模型的超参数，以便我可以使用这些超参数来尝试模型的行为？

谢谢！

【问题讨论】：

标签： python machine-learning scikit-learn hyperparameters lightgbm

【解决方案1】：

将超参数字典传递给模型构造函数，将 ** 添加到 dict 以像 kwarg 参数一样传递每个 dict 项，因为 lgbm 根据 https://lightgbm.readthedocs.io/en/latest/pythonapi/lightgbm.LGBMClassifier.html#lightgbm.LGBMClassifier 期望它：

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

测试：

print(model)

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

【讨论】：

感谢您的回复。但这对我不起作用。即使它没有给出错误，该模型也不正确。我认为问题在于字典中的超参数名称是str类型。
太棒了！感谢您的帮助！

【解决方案2】：

sklearn BaseEstimator 接口提供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()  
hyperparameter_dictionary = {'boosting_type': 'goss',   'num_leaves': 25, 'n_estimators': 184}  
model.set_params(**hyperparameter_dictionary)

【讨论】：

这也是对的。我认为我错过的一点是**感谢您的帮助！