《天池龙珠 - 机器学习训练营》03.机器学习算法： 基于LightGBM的分类预测 学习笔记

一、学习知识点概要

LightGBM的背景、优缺点、代码实现、数据处理、算法实战、算法参数调整、特定问题的参数调整、底层原理。

二、学习内容

主要是学习LightGBM算法的使用，同时也掺杂着一些数据的处理，数据可视化、参数调整等内容。

三、学习问题与解答

在学习中遇到了一个坑，希望看到这篇博客的同学能够避开。 【问题描述】： 在天池实验室中运行训练代码后，训练速度极慢，1万条数据，竟然运行了高达半小时，我一度以为是这个算法不适合处理少量数据，只适合处理大量的数据（当然这很不符合常理）。 【解决方案】： 我把notbook下载到bending，通过本机的环境运行，结果秒出。然后我又把notebook上传到谷歌的colab，再次运行，还是秒出结果，这让我意识到，阿里天池的DSW出现了bug。所以，看到这，劝你别在天池上运行LightGBM模型。

Google Colab: 阿里天池DSW：

四、学习思考与总结

由于在本科阶段学习的决策树算法中没有LightGBM算法，所以，本节的学习算是全新的学习。 首先，从LightGBM的介绍和优缺点中，让我对LightGBM很感兴趣。 接着，通过教程的详细数据分析，我意识到机器学习并不是训练、测试就能够完成的，前期的数据处理也非常重要，要熟悉所用算法的特点，处理自己的数据集，比如空值问题、正负标签数量相差过大问题、属性之间的值有无相关性、数据有无过分偏离整体数据等问题，这些问题看起来不起眼，实际训练之后，对模型的影响很大。

同时我首次接触到了小提琴图 (Violin Plot)，了解到它能很好的展示多组数据的分布状态以及概率密度。还通过热力图等数据图像知道将冗余数据剔除，并创建新的特征。

虽然模型没学习过，但是模型的使用都是大同小异，常规的训练、测试就不过多赘述。

之前学习过程中，从来不知道可以通过代码调出合适的参数，在本节的学习中，了解到了可以通过贪心算法、网格调参、贝叶斯调参等方法进行选择合适的模型参数。

最后学习了LightGBM模型的一些重要参数，基本参数就不过多赘述，和大多数模型都类似。 这里重点学习到了可以针对训练速度的参数进行调整、针对准确率的参数调整、针对过拟合的参数调整。 然后学习了LightGBM算法的基本原理，通俗易懂。

~收获颇深~