Python:LightGBM交叉验证。如何使用lightgbm.cv进行回归？

Question

我想用lgb.dataset对LightGBM模型进行交叉验证，并使用提前停止回合。以下方法对XGBoost的XGBoost.cv没有问题。我不喜欢在GridSearchCV中使用Scikit Learn方法，因为它不支持提前停止或lgb.Dataset。

import lightgbm as lgb
from sklearn.metrics import mean_absolute_error
dftrainLGB = lgb.Dataset(data = dftrain, label = ytrain, feature_name = list(dftrain))

params = {'objective': 'regression'}

cv_results = lgb.cv(
        params,
        dftrainLGB,
        num_boost_round=100,
        nfold=3,
        metrics='mae',
        early_stopping_rounds=10
        )

任务是执行回归，但以下代码会引发错误： Supported target types are: ('binary', 'multiclass'). Got 'continuous' instead.

LightGBM是否支持回归，或者我是否提供了错误的参数？

Answer 1

默认情况下，lightgbm.cv中的stratify参数是True。 根据the documentation：

stratified (bool, optional (default=True)) – Whether to perform stratified sampling.

但是stratify只处理分类问题。因此，要处理回归，需要使其为假。

cv_results = lgb.cv(
        params,
        dftrainLGB,
        num_boost_round=100,
        nfold=3,
        metrics='mae',
        early_stopping_rounds=10,

        # This is what I added
        stratified=False
        )

现在它开始工作了。