[英]Feature importance with LightGBM
好吧,GBM 通常表現得更好,尤其是當您與隨機森林進行比較時。 尤其是將它與 LightGBM 進行比較時。 與隨機森林相比,經過適當調整的 LightGBM 最有可能在性能和速度方面獲勝。
GBM優勢:
More developed. A lot of new features are developed for modern GBM model (xgboost, lightgbm, catboost) which affect its performance, speed, and scalability.
GBM 的缺點:
Number of parameters to tune
Tendency to overfit easily
如果您不完全確定為 LightGBM 正確調整了超參數,請堅持使用隨機森林; 這將更易於使用和維護。
我遇到過類似的問題。 LGBM 的默認特征重要性基於“split”,當我將其更改為“gain”時,繪圖給出了類似的結果。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.