lightgbm

    0热度

    1回答

    我目前正在XGBoost/lightGBM之间进行测试,以便对项目进行排名。我正在复制这里提供的基准:https://github.com/guolinke/boosting_tree_benchmarks。 我已经能够成功地重现他们的工作中提到的基准。我想确保我正确实现了我自己的ndcg指标版本,并正确理解排名问题。 我的问题是: 当使用NDCG创建测试集验证 - 有一个test.group文件

    1热度

    1回答

    我的操作系统是macOS Sierra,10.12.5,我使用的是Anaconda和python 2.7。安装后,当我尝试: 进口lightgbm作为LGB 我得到了以下信息: OSError Traceback (most recent call last) <ipython-input-28-2ae3725bef24> in <module>() ----> 1 impor

    -1热度

    1回答

    这可能是一个非常愚蠢的问题,但为什么以下给出不同的结果? X == array([ 7.84682988e-01, 3.80109225e-17, 8.06386582e-01, 1.00000000e+00, 5.71428571e-01, 4.44189342e+00]) model.predict_proba(X)[1] # gives array([ 0.35483244

    1热度

    1回答

    我安装了lightgbm与conda install -c creditx lightgbm=0.2.0,并导入lightgbm成功,但是当我导入LGBMClassifier或使用LGBMClassifier时,它会失败。 错误是: <module 'posixpath' from '/usr/anaconda3/lib/python3.5/posixpath.py'> Traceback (m

    1热度

    2回答

    我按照安装指南找到https://github.com/Microsoft/LightGBM/wiki/Installation-Guide来安装LightGBM。在MinGW shell中,我可以下载git repo,然后cd进入build目录。当我试试下面的命令: cmake -G "MinGW Makefiles" .. 我得到以下错误: CMake Error at C:/Progra

    0热度

    2回答

    我使用交叉验证,像这样训练模式: classifier = lgb.Booster( params=params, train_set=lgb_train_set, ) result = lgb.cv( init_model=classifier, params=params, train_set=lgb_train_set, num_

    0热度

    1回答

    我收到以下错误导入LGBMResgressor到lightgbm同时: ImportError Traceback (most recent call last) <ipython-input-38-1a53b4f7b770> in <module>() 5 from sklearn.kernel_ridge import KernelRidge 6 import li

    1热度

    1回答

    熊猫分类https://pandas.pydata.org/pandas-docs/stable/categorical.html如何处理新的和看不到的水平?我正在考虑像设置一样的scikit-learn。目前,我有这样的: https://gist.github.com/geoHeil/5caff5236b4850d673b2c9b0799dc2ce def: fit() for ea

    0热度

    1回答

    我在windows上使用pip to install lightgbm,它工作吗? 因为我在导入LGBMRegressor时出错。 错误显示如下 "cannot import name 'LGBMRegressor'"

    0热度

    1回答

    我与LightGBM相当新的,我想通过LGBMRegressor以适应简单的线条。 import numpy as np import lightgbm as lgbm xs = np.linspace(0, 10, 30).reshape((-1, 1)) ys = np.linspace(0, 10, 30) reg = lgbm.sklearn.LGBMRegressor() r