本tutorial展示了如何使用sklearn解决回归问题,并使用Optuna优化LightGBM模型的超参数。我立即注意到的一件事是,在训练回归模型之前,它们不会规范化任何参数。这个问题中不需要规范化有什么原因吗
我还试图将参数(节点数、层数、激活函数、学习速率)传递给objective
函数,如2. Use "trial" module to define hyperparameters dynamically!
部分所述。我正在阅读docs,对如何将超参数搜索空间合并到objective
函数感到困惑
Tags:
第一个回归算法(普通最小二乘法)是在没有考虑标准化的情况下开发的。事实上,大多数回归问题不需要任何形式的规范化,因为这会使模型更难解释。只有当算法对异常值非常敏感时,才应该规范化数据
也就是说,LightGBM是一种基于树的梯度提升算法。由于基于树,每个节点的截止点对单调变换不敏感
换句话说,如果f(·)是单调函数,x是降低成本函数最多的点,那么f(x)也是降低成本函数最多的点
通过对自变量进行标准化,可以从所有观测值中减去平均值,然后除以n。因此,您不会更改特征观察变量的顺序
相关问题 更多 >
编程相关推荐