调参

范围
调参_第1张图片
核心

调参1:提高准确率":num_leaves, max_depth, learning_rate
调参2:降低过拟合 max_bin min_data_in_leaf
调参3:降低过拟合 正则化L1, L2
调参4:降低过拟合 数据抽样 列抽样

调参方向:处理过拟合(过拟合和准确率往往相反)
使用较小的 max_bin
使用较小的 num_leaves
使用 min_data_in_leaf 和 min_sum_hessian_in_leaf
通过设置 bagging_fraction 和 bagging_freq 来使用 bagging
通过设置 feature_fraction <1来使用特征抽样
使用更大的训练数据
使用 lambda_l1, lambda_l2 和 min_gain_to_split 来使用正则
尝试 max_depth 来避免生成过深的树

链接:https://www.jianshu.com/p/1100e333fcab

你可能感兴趣的:(算法)