使用这两种方法对轻型gbm分类器有何区别？

Question

我想正确使用某些Light gbm功能。

这是标准方法，与sklearn的任何其他分类器没有区别：

• 定义X，y
• train_test_split
• 创建分类器
• 适合火车
• 预测测试

• 比较

  X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25)  
  #here maybe DecisionTreeClassifier(), RandomForestClassifier() etc
  model = lgb.LGBMClassifier()
  model.fit(X_train, y_train)
  
  predicted_y = model.predict(X_test)
  
  print(metrics.classification_report())
  

但是light gbm具有自己的功能，例如lgb.Dataset，Booster。

但是，在this kaggle notebook中，它根本没有调用LightGBMClassifier！ 为什么？

以lgbm方法调用lgbm函数和训练模型的标准顺序是什么？

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.25)

#why need this Dataset wrapper around x_train,y_train?

d_train = lgbm.Dataset(X_train, y_train)


#where is light gbm classifier()?
bst = lgbm.train(params, d_train, 50, early_stopping_rounds=100)

preds = bst.predict(y_test)

为什么要立即训练？

Answer 1

LightGBM具有一些不同的API，它们具有不同的方法名称（LGBMClassifier，Booster，train等），参数以及有时是不同类型的数据，这就是为什么train方法不需要调用LGBMClassifier而是需要另一种类型的原因数据集。没有正确/错误/标准的方法-如果使用得当，它们都很好。 https://lightgbm.readthedocs.io/en/latest/Python-API.html#training-api