LIghtGBM做回归时预测值都一样,数据量比较小是24x16的,是否是和数据量太小有关?
# 训练模型所用代码
gbm = lgb.LGBMRegressor()
gbm.fit(x_train_lgb, y_train_lgb,
eval_set=[(x_test_lgb, y_test_lgb)],
eval_metric='rmse')
训练过程中,rmse也没有变化,请问问题可能出在哪儿啊?
LIghtGBM做回归时预测值都一样,数据量比较小是24x16的,是否是和数据量太小有关?
# 训练模型所用代码
gbm = lgb.LGBMRegressor()
gbm.fit(x_train_lgb, y_train_lgb,
eval_set=[(x_test_lgb, y_test_lgb)],
eval_metric='rmse')
训练过程中,rmse也没有变化,请问问题可能出在哪儿啊?
是的,主要原因就是数据量太小,刚开始训练就面临停止,我记得你可以调整一下叶子节点最少包含的样本数控制过拟合,这个不能说有肯定的调整方式,只能选择最优的超参数组合降低学习率来完成模型训练