Python：LightGBM交叉验证。如何使用lightgbm.cv进行回归？

Question

我想使用 lgb.Dataset 对LightGBM模型进行交叉验证，并使用 early_stopping_rounds 。以下方法在XGBoost的 xgboost.cv 中没有问题。我不想在GridSearchCV中使用Scikit Learn的方法，因为它不支持提前停止或lgb.Dataset。

import lightgbm as lgb
from sklearn.metrics import mean_absolute_error
dftrainLGB = lgb.Dataset(data = dftrain, label = ytrain, feature_name = list(dftrain))

params = {'objective': 'regression'}

cv_results = lgb.cv(
        params,
        dftrainLGB,
        num_boost_round=100,
        nfold=3,
        metrics='mae',
        early_stopping_rounds=10
        )

任务是进行回归，但以下代码会引发错误： 的 Supported target types are: ('binary', 'multiclass'). Got 'continuous' instead.

LightGBM支持回归，还是我提供了错误的参数？

Answer 1

默认情况下，lightgbm.cv中的stratify参数为True。 根据{{​​3}}：

  

分层（bool，optional（默认= True）） - 是否执行   分层抽样。

但分层仅适用于分类问题。因此，要使用回归，您需要将其设为False。

cv_results = lgb.cv(
        params,
        dftrainLGB,
        num_boost_round=100,
        nfold=3,
        metrics='mae',
        early_stopping_rounds=10,

        # This is what I added
        stratified=False
        )

现在正在运作。