[数据结构与算法]LightGBM参数说明与参数调优建议

1. 引入

从识别率上来说，LGBM并不逊色于XGB和RF；LGBM在笔者很多场景下都优于CatBoost。
从工程化上来说，LGBM的模型size小、训练速度快、支持并发训练、兼容sklearn接口、支持GPU训练，这都使得LGBM的工程化能力更强。
和RF比较，在准确率相当的前提下，LGBM的size也是比RF小很多倍（LGBM=4M，RF=100MB）。

所以接下来写一下LGBM的调参思路, LGBM的参数以参考1中的接口LGBMClassifier命名为准（兼容sklearn的接口）。

2. 调参重点

模型中的参数具体见参考1，参数很多，但具体来说也就分为如下几类：

1. 影响模型结构的参数，也就是影响基分类器（决策树）结构的参数

• 结构越复杂，模型的拟合能力越强，但也容易过拟合

2. 影响训练准确率的参数，比如树的棵数

• n_estimators在一定程度上，是越大准确率越高，但高到一定程度后再增加则可能降低准确率

3. 对抗过拟合的参数，比如正则化参数

• 防止模型过拟合

3. 模型结构参数调优

1. num_leaves

• 单个基分类器（决策树）中，叶子结点的最大数量
• num_leaves越大，对训练集的分类越准确，但太大了可能会过拟合了
• 思考一种极端情况：num_leaves很大，直接等于训练集样本数量；每个训练集样本都能分类正确，但对测试集就不一定了
• 根据官方参考3，选择 num_leaves的值不超过2^(max_depth)；参考2中作者一般选择的参数范围是(20, 3000)

2. max_depth

• 单个基分类器（决策树）中，树的最大深度
• max_depth越大，模型越复杂，越容易过拟合
• max_depth越小，模型越简单，越容易欠拟合
• 大部分情况下选择3~12就可以

3. min_data_in_leaf

• 在参考1中等同于参数 min_child_samples
• LGBM使用的是一种叫做“leaf-wise tree growth algorithm”的算法，这个参数是防止该算法过拟合的一个参数
• 这个值增大了可以防止过拟合
• 实际使用时，这个值设置为几百到几千都可以

4. 影响准确率的参数调优

1. n_estimators

• 决策树的棵数
• 在一定程度上，是越大准确率越高，但高到一定程度后再增加则可能降低准确率
• 笔者一般取200~3000

2. learning_rate

• 学习速率影响模型训练的快慢
• 一般设置为 0.01 到 0.3

5. 影响过拟合的参数调优

1. reg_alpha

• L1正则化
• 一般设置为0~100

2. reg_lambda

• L2正则化，同上

3. min_gain_to_split

• 同min_split_gain
• 表示 分裂的最小增益阈值
• 参考2中作者将其当做extra regularization来看待，调参时搜索范围是 (0, 15)

4. subsample

• 同 bagging_fraction
• 训练样本的采样比例
• 这个值设置为（0,1）之间的小数
• 必须设置如下参数为大于0的整数后，才会按照该比率进行样本采样
• 根据参考4中说明，调小该参数可以防止过拟合，加快运算速度

5. subsample_freq

• 每隔多少轮iteration进行一次“按比例采样”
• 默认设置为0，即disable
• 选择这个参数为大于0的整数k，说明第k次iteration进行“按比例采样”，比例值为上面的参数subsample

6. colsample_bytree

• 同feature_fraction
• 0.0 < feature_fraction <= 1.0
• 在训练时，对某一棵树，随机选取的特征比例
• 即 LightGBM will randomly select a subset of features on each iteration (tree)
• 根据参考4中说明，调小可以防止过拟合，加快运算速度

6. 参考

1. lightgbm官方参数说明文档

• https://lightgbm.readthedocs.io/en/latest/pythonapi/lightgbm.LGBMClassifier.html

2. lightgbm参数调优博客

• https://towardsdatascience.com/kagglers-guide-to-lightgbm-hyperparameter-tuning-with-optuna-in-2021-ed048d9838b5

3. lightgbm官方参数调优文档

• https://lightgbm.readthedocs.io/en/latest/Parameters-Tuning.html#tune-parameters-for-the-leaf-wise-best-first-tree

4. GBDT、XGBoost、LightGBM 的使用及参数调优

• https://zhuanlan.zhihu.com/p/33700459

5. lightgbm官方参数细节说明（各个参数及其别名）

• https://lightgbm.readthedocs.io/en/latest/Parameters.html