我们应该如何使用lightgbm.cv
的字典输出来改进我们的预测?
这里有一个例子- 我们使用以下代码训练我们的交叉验证模型:
cv_mod = lgb.cv(params,
d_train,
500,
nfold = 10,
early_stopping_rounds = 25,
stratified = True)
我们如何使用上述代码的最佳迭代中发现的参数来预测输出?在这种情况下,cv_mod
没有像lightgbm.train
那样的“predict”方法,并且从lightgbm.cv
返回的字典在使用lightgbm.train.predict(..., pred_parameters = cv_mod)
时会抛出错误。
我是否忽略了一个重要的转换步骤?