我正在研究回归问题，并已使用LGBMRegressor。我首先将其与GridSearchCV一起使用，并获得了num_leaves = 50作为最佳值。我的数据集是425000 obs X 150变量，在将LGBM与网格搜索的最佳参数（和num_leaves = 50）一起使用后，我发现根据LGB重要性函数有20个重要特征。
现在我的功能集已减少到20个（全为数字）功能，如何选择最佳num_levaes？由于时间限制，无法再次进行网格搜索。根据文档num_levaes的深度应小于2 ^ depth，在我的情况下，depth = 7或8意味着num_leaves的深度应小于2 ^ 7 = 128，这太高了，将导致过度拟合。
那么对于425000 X 20要素（所有数字要素）数据集应该正确使用num_leaves有什么想法？
任何设置num_leaves的准则/方法都会有所帮助。
谢谢