LightGBM-sklearnAPI与培训和数据结构API以及lgb.cv与gridsearchcv / randomisedsearchcv

Question

1. sklearnAPI（LGBMModel，LGBMClassifier等）与lightgbm的默认API（lgb.Dataset，lgb.cv，lgb.train）有什么区别？我更喜欢使用哪一个？

2. 使用lightgbm时，最好使用sklearn的lgb.cv或gridsearchcv / randomisedsearchcv吗？

Answer 1

1. 这个答案已经很好地被发现here

2. 基于Will Koehrsen的notebook，sklearn交叉验证API不包含提早停止的选项。因此，如果您希望使用早期停止回合（如果在给定数量的估计量的验证分数没有改善的情况下要停止训练，这可能会非常有用），则最好使用LightGBM交叉验证（lgb.cv）功能。

   此外，摘自Mikhail Lisyovi的answer-“从技术上讲，lightbgm.cv（）仅允许您在具有固定模型参数的k倍分割中评估性能。对于超参数调整，您需要在提供不同参数的循环中运行它，并重新编码平均性能以选择最佳参数集。循环完成后，此接口与sklearn不同，后者为您提供了在CV循环中进行超参数优化的完整功能。建议使用lightgbm的sklearn-API。它只是本机lightgbm.train（）功能的包装，因此速度并不慢，但是它允许您使用完整的sklearn工具包堆栈，这使您的生活变得更加轻松更容易。“

因此，最终使用哪种方法取决于问题的背景以及对您更重要的因素-Early_stopping_rounds或对各种参数进行超参数优化的简便性。