在LightGBM python API中调用feature_importance时遇到分段错误

Question

我正在使用LightGBM 2.0.6 Python API。我的训练数据有大约80K样本和400个特征，我正在训练一个大约2000次迭代的模型，该模型用于多类分类（#classes = 10）。当训练模型时，当我调用model.feature_importance()时，我遇到了分段错误。

我尝试生成人工数据进行测试（使用相同数量的样本，类，迭代和超参数），我可以成功获取特征重要性列表。因此我怀疑问题是否发生取决于训练数据。

我想看看是否有其他人遇到过这个问题，如果是这样，它是如何克服的。谢谢。

Answer 1

这是LightGBM中的一个错误; 2.0.4没有这个问题。它也应该在LightGBM master中修复。因此要么降级到2.0.4，要么等待下一个版本，要么使用LightGBM master。

问题的确取决于训练数据; feature_importances segfault仅在训练集合中存在“常量”树时，即具有单个叶子的树，没有任何分裂。