我是否将 lgbm 正确用于分类特征？

Question

假设我的数据只有 1 列分类特征（已经转换为 astype(int)），

x_to_use = x_to_use.astype(int)

我在 sklearn 管道中使用它：

                                LGBMRegressor(**{
                                            "n_estimators":100,
                                    "categorical_feature":(0,),
                                            "max_depth":1,
                                        }

我收到了这个警告。

c:\programdata\miniconda3\lib\site-packages\lightgbm\basic.py:842: UserWarning: categorical_feature keyword has been found in `params` an
Please use categorical_feature argument of the Dataset constructor to pass this parameter.

我希望所有内容都采用标准 sklearn 机器学习管道格式，因此我的输入始终是 np.array。我的管道构造是否正确或者是“categorical_feature”:(0,)，只是被忽略并且该列不被视为分类。

编辑：

好的...我构造了一个简单的测试，“categorical_feature”实际上使用正确。

Answer 1

文档说：

-categorical_feature（字符串列表或int，或'auto'，可选（默认='auto'））

您是否尝试过传递这样的列表？

LGBMRegressor(**{"n_estimators":100,
                 "categorical_feature":[0],
                 "max_depth":1}