LightGBM - sklearnAPI vs训练和数据结构API和lgb.cv vs gridsearchcv / randomisedsearchcv

Question

1. skgarnAPI（LGBMModel，LGBMClassifier等）和lightgbm的默认API（lgb.Dataset，lgb.cv，lgb.train）有什么区别？我应该选择哪一个？
2. 使用lightgbm时，使用sklearn的lgb.cv或gridsearchcv / randomisedsearchcv会更好吗？

Answer 1

1. 这个答案已经很好地覆盖了here
2. 基于Will Koehrsen的notebook，sklearn交叉验证API不包括提前停止的选项。因此，如果您希望使用早期停止轮次（如果您希望在给定数量的估算器的验证分数未得到改善时停止训练，这可能非常有用），最好使用LightGBM交叉验证（lgb.cv）功能。 此外，Mikhail Lisyovi的answer的摘录 - “技术上，lightbgm.cv（）允许您只评估具有固定模型参数的k倍分割的性能。对于超参数调整，您需要在提供不同的循环中运行它循环完成后，参数和重新编码平均性能以选择最佳参数集。此界面与sklearn不同，后者为您提供了在CV循环中进行超参数优化的完整功能。我个人建议使用sklearn- lightgbm的API。它只是原生lightgbm.train（）功能的包装器，因此速度并不慢。但是它允许你使用整个sklearn工具包，这使你的生活变得更加容易。“

因此，您最终使用哪种方法取决于问题的背景以及哪些因素对您更重要 - early_stopping_rounds或在不同参数上简化超参数优化。