参数 · LightGBM 中文文档

# 参数这个页面包含了 LightGBM 的所有参数. **一些有用的链接列表** * [Python API](./Python-API.rst) * [Parameters Tuning](./Parameters-Tuning.rst) **外部链接** * [Laurae++ Interactive Documentation](https://sites.google.com/view/lauraepp/parameters) **更新于 08/04/2017** 以下参数的default已经修改: * `min_data_in_leaf` = 100 => 20 * `min_sum_hessian_in_leaf` = 10 => 1e-3 * `num_leaves` = 127 => 31 * `num_iterations` = 10 => 100 ## 参数格式参数的格式为 `key1=value1 key2=value2 ...`. 并且, 在配置文件和命令行中均可以设置参数. 使用命令行设置参数时, 在 `=` 前后都不应该有空格. 使用配置文件设置参数时, 一行只能包含一个参数. 你可以使用 `#` 进行注释. 如果一个参数在命令行和配置文件中均出现了, LightGBM 将会使用命令行中的该参数. ## 核心参数 * `config`, default=`""`, type=string, alias=`config_file` * 配置文件的路径 * `task`, default=`train`, type=enum, options=`train`, `predict`, `convert_model` * `train`, alias=`training`, for training * `predict`, alias=`prediction`, `test`, for prediction. * `convert_model`, 要将模型文件转换成 if-else 格式, 可以查看这个链接获取更多信息 [Convert model parameters](#convert-model-parameters) * `objective`, default=`regression`, type=enum, options=`regression`, `regression_l1`, `huber`, `fair`, `poisson`, `quantile`, `quantile_l2`, `binary`, `multiclass`, `multiclassova`, `xentropy`, `xentlambda`, `lambdarank`, alias=`objective`, `app` , `application` * regression application * `regression_l2`, L2 loss, alias=`regression`, `mean_squared_error`, `mse` * `regression_l1`, L1 loss, alias=`mean_absolute_error`, `mae` * `huber`, [Huber loss](https://en.wikipedia.org/wiki/Huber_loss) * `fair`, [Fair loss](https://www.kaggle.com/c/allstate-claims-severity/discussion/24520) * `poisson`, [Poisson regression](https://en.wikipedia.org/wiki/Poisson_regression) * `quantile`, [Quantile regression](https://en.wikipedia.org/wiki/Quantile_regression) * `quantile_l2`, 类似于 `quantile`, 但是使用了 L2 loss * `binary`, binary [log loss](https://www.kaggle.com/wiki/LogLoss) classification application * multi-class classification application * `multiclass`, [softmax](https://en.wikipedia.org/wiki/Softmax_function) 目标函数, 应该设置好 `num_class` * `multiclassova`, [One-vs-All](https://en.wikipedia.org/wiki/Multiclass_classification#One-vs.-rest) 二分类目标函数, 应该设置好 `num_class` * cross-entropy application * `xentropy`, 目标函数为 cross-entropy (同时有可选择的线性权重), alias=`cross_entropy` * `xentlambda`, 替代参数化的 cross-entropy, alias=`cross_entropy_lambda` * 标签是 [0, 1] 间隔内的任意值 * `lambdarank`, [lambdarank](https://papers.nips.cc/paper/2971-learning-to-rank-with-nonsmooth-cost-functions.pdf) application * 在 lambdarank 任务中标签应该为 `int` type, 数值越大代表相关性越高 (e.g. 0:bad, 1:fair, 2:good, 3:perfect) * `label_gain` 可以被用来设置 `int` 标签的增益 (权重) * `boosting`, default=`gbdt`, type=enum, options=`gbdt`, `rf`, `dart`, `goss`, alias=`boost`, `boosting_type` * `gbdt`, 传统的梯度提升决策树 * `rf`, Random Forest (随机森林) * `dart`, [Dropouts meet Multiple Additive Regression Trees](https://arxiv.org/abs/1505.01866) * `goss`, Gradient-based One-Side Sampling (基于梯度的单侧采样) * `data`, default=`""`, type=string, alias=`train`, `train_data` * 训练数据, LightGBM 将会使用这个数据进行训练 * `valid`, default=`""`, type=multi-string, alias=`test`, `valid_data`, `test_data` * 验证/测试数据, LightGBM 将输出这些数据的度量 * 支持多验证数据集, 以 `,` 分割 * `num_iterations`, default=`100`, type=int, alias=`num_iteration`, `num_tree`, `num_trees`, `num_round`, `num_rounds`, `num_boost_round` * boosting 的迭代次数 * **Note**: 对于 Python/R 包, **这个参数是被忽略的**, 使用 `train` and `cv` 的输入参数 `num_boost_round` (Python) or `nrounds` (R) 来代替 * **Note**: 在内部, LightGBM 对于 `multiclass` 问题设置 `num_class * num_iterations` 棵树 * `learning_rate`, default=`0.1`, type=double, alias=`shrinkage_rate` * shrinkage rate (收缩率) * 在 `dart` 中, 它还影响了 dropped trees 的归一化权重 * `num_leaves`, default=`31`, type=int, alias=`num_leaf` * 一棵树上的叶子数 * `tree_learner`, default=`serial`, type=enum, options=`serial`, `feature`, `data`, `voting`, alias=`tree` * `serial`, 单台机器的 tree learner * `feature`, alias=`feature_parallel`, 特征并行的 tree learner * `data`, alias=`data_parallel`, 数据并行的 tree learner * `voting`, alias=`voting_parallel`, 投票并行的 tree learner * 请阅读 [并行学习指南](./Parallel-Learning-Guide.rst) 来了解更多细节 * `num_threads`, default=`OpenMP_default`, type=int, alias=`num_thread`, `nthread` * LightGBM 的线程数 * 为了更快的速度, 将此设置为真正的 CPU 内核数, 而不是线程的数量 (大多数 CPU 使用超线程来使每个 CPU 内核生成 2 个线程) * 当你的数据集小的时候不要将它设置的过大 (比如, 当数据集有 10,000 行时不要使用 64 线程) * 请注意, 任务管理器或任何类似的 CPU 监视工具可能会报告未被充分利用的内核. **这是正常的** * 对于并行学习, 不应该使用全部的 CPU 内核, 因为这会导致网络性能不佳 * `device`, default=`cpu`, options=`cpu`, `gpu` * 为树学习选择设备, 你可以使用 GPU 来获得更快的学习速度 * **Note**: 建议使用较小的 `max_bin` (e.g. 63) 来获得更快的速度 * **Note**: 为了加快学习速度, GPU 默认使用32位浮点数来求和. 你可以设置 `gpu_use_dp=true` 来启用64位浮点数, 但是它会使训练速度降低 * **Note**: 请参考 [安装指南](./Installation-Guide.rst#build-gpu-version) 来构建 GPU 版本 ## 用于控制模型学习过程的参数 * `max_depth`, default=`-1`, type=int * 限制树模型的最大深度. 这可以在 `#data` 小的情况下防止过拟合. 树仍然可以通过 leaf-wise 生长. * `< 0` 意味着没有限制. * `min_data_in_leaf`, default=`20`, type=int, alias=`min_data_per_leaf` , `min_data`, `min_child_samples` * 一个叶子上数据的最小数量. 可以用来处理过拟合. * `min_sum_hessian_in_leaf`, default=`1e-3`, type=double, alias=`min_sum_hessian_per_leaf`, `min_sum_hessian`, `min_hessian`, `min_child_weight` * 一个叶子上的最小 hessian 和. 类似于 `min_data_in_leaf`, 可以用来处理过拟合. * `feature_fraction`, default=`1.0`, type=double, `0.0 < feature_fraction < 1.0`, alias=`sub_feature`, `colsample_bytree` * 如果 `feature_fraction` 小于 `1.0`, LightGBM 将会在每次迭代中随机选择部分特征. 例如, 如果设置为 `0.8`, 将会在每棵树训练之前选择 80% 的特征 * 可以用来加速训练 * 可以用来处理过拟合 * `feature_fraction_seed`, default=`2`, type=int * `feature_fraction` 的随机数种子 * `bagging_fraction`, default=`1.0`, type=double, `0.0 < bagging_fraction < 1.0`, alias=`sub_row`, `subsample` * 类似于 `feature_fraction`, 但是它将在不进行重采样的情况下随机选择部分数据 * 可以用来加速训练 * 可以用来处理过拟合 * **Note**: 为了启用 bagging, `bagging_freq` 应该设置为非零值 * `bagging_freq`, default=`0`, type=int, alias=`subsample_freq` * bagging 的频率, `0` 意味着禁用 bagging. `k` 意味着每 `k` 次迭代执行bagging * **Note**: 为了启用 bagging, `bagging_fraction` 设置适当 * `bagging_seed` , default=`3`, type=int, alias=`bagging_fraction_seed` * bagging 随机数种子 * `early_stopping_round`, default=`0`, type=int, alias=`early_stopping_rounds`, `early_stopping` * 如果一个验证集的度量在 `early_stopping_round` 循环中没有提升, 将停止训练 * `lambda_l1`, default=`0`, type=double, alias=`reg_alpha` * L1 正则 * `lambda_l2`, default=`0`, type=double, alias=`reg_lambda` * L2 正则 * `min_split_gain`, default=`0`, type=double, alias=`min_gain_to_split` * 执行切分的最小增益 * `drop_rate`, default=`0.1`, type=double * 仅仅在 `dart` 时使用 * `skip_drop`, default=`0.5`, type=double * 仅仅在 `dart` 时使用, 跳过 drop 的概率 * `max_drop`, default=`50`, type=int * 仅仅在 `dart` 时使用, 一次迭代中删除树的最大数量 * `<=0` 意味着没有限制 * `uniform_drop`, default=`false`, type=bool * 仅仅在 `dart` 时使用, 如果想要均匀的删除, 将它设置为 `true` * `xgboost_dart_mode`, default=`false`, type=bool * 仅仅在 `dart` 时使用, 如果想要使用 xgboost dart 模式, 将它设置为 `true` * `drop_seed`, default=`4`, type=int * 仅仅在 `dart` 时使用, 选择 dropping models 的随机数种子 * `top_rate`, default=`0.2`, type=double * 仅仅在 `goss` 时使用, 大梯度数据的保留比例 * `other_rate`, default=`0.1`, type=int * 仅仅在 `goss` 时使用, 小梯度数据的保留比例 * `min_data_per_group`, default=`100`, type=int * 每个分类组的最小数据量 * `max_cat_threshold`, default=`32`, type=int * 用于分类特征 * 限制分类特征的最大阈值 * `cat_smooth`, default=`10`, type=double * 用于分类特征 * 这可以降低噪声在分类特征中的影响, 尤其是对数据很少的类别 * `cat_l2`, default=`10`, type=double * 分类切分中的 L2 正则 * `max_cat_to_onehot`, default=`4`, type=int * 当一个特征的类别数小于或等于 `max_cat_to_onehot` 时, one-vs-other 切分算法将会被使用 * `top_k`, default=`20`, type=int, alias=`topk` * 被使用在 [Voting parallel](./Parallel-Learning-Guide.rst#choose-appropriate-parallel-algorithm) 中 * 将它设置为更大的值可以获得更精确的结果, 但会减慢训练速度 ## IO 参数 * `max_bin`, default=`255`, type=int * 工具箱的最大数特征值决定了容量工具箱的最小数特征值可能会降低训练的准确性, 但是可能会增加一些一般的影响（处理过度学习） * LightGBM 将根据 `max_bin` 自动压缩内存。例如, 如果 maxbin=255, 那么 LightGBM 将使用 uint8t 的特性值 * `max_bin`, default=`255`, type=int * `min_data_in_bin`, default=`3`, type=int - 单个数据箱的最小数, 使用此方法避免 one-data-one-bin（可能会过度学习） * `data_r和om_seed`, default=`1`, type=int * 并行学习数据分隔中的随机种子 (不包括并行功能) * `output_model`, default=`LightGBM_model.txt`, type=string, alias=`model_output`, `model_out` * 培训中输出的模型文件名 * `input_model`, default=`""`, type=string, alias=`model_input`, `model_in` * 输入模型的文件名 * 对于 `prediction` 任务, 该模型将用于预测数据 * 对于 `train` 任务, 培训将从该模型继续 * `output_result`, default=`LightGBM_predict_result.txt`, type=string, alias=`predict_result`, `prediction_result` * `prediction` 任务的预测结果文件名 * `model_format`, default=`text`, type=multi-enum, 可选项=`text`, `proto` * 保存和加载模型的格式 * `text`, 使用文本字符串 * `proto`, 使用协议缓冲二进制格式 * 您可以通过使用逗号来进行多种格式的保存, 例如 `text,proto`. 在这种情况下, `model_format` 将作为后缀添加 `output_model` * **Note**: 不支持多种格式的加载 * **Note**: 要使用这个参数, 您需要使用 build 版本 <./Installation-Guide.rst#protobuf-support>`__ * `pre_partition`, default=`false`, type=bool, alias=`is_pre_partition` * 用于并行学习(不包括功能并行) * `true` 如果训练数据 pre-partitioned, 不同的机器使用不同的分区 * `is_sparse`, default=`true`, type=bool, alias=`is_enable_sparse`, `enable_sparse` * 用于 enable/disable 稀疏优化. 设置 `false` 就禁用稀疏优化 * `two_round`, default=`false`, type=bool, alias=`two_round_loading`, `use_two_round_loading` * 默认情况下, LightGBM 将把数据文件映射到内存, 并从内存加载特性。这将提供更快的数据加载速度。但当数据文件很大时, 内存可能会耗尽 * 如果数据文件太大, 不能放在内存中, 就把它设置为 `true` * `save_binary`, default=`false`, type=bool, alias=`is_save_binary`, `is_save_binary_file` * 如果设置为 `true` LightGBM 则将数据集(包括验证数据)保存到二进制文件中。可以加快数据加载速度。 * `verbosity`, default=`1`, type=int, alias=`verbose` * `<0` = 致命的, `=0` = 错误 (警告), `>0` = 信息 * `header`, default=`false`, type=bool, alias=`has_header` * 如果输入数据有标识头, 则在此处设置 `true` * `label`, default=`""`, type=string, alias=`label_column` * 指定标签列 * 用于索引的数字, e.g. `label=0` 意味着 column_0 是标签列 * 为列名添加前缀 `name:` , e.g. `label=name:is_click` * `weight`, default=`""`, type=string, alias=`weight_column` * 列的指定 * 用于索引的数字, e.g. `weight=0` 表示 column_0 是权重点 * 为列名添加前缀 `name:`, e.g. `weight=name:weight` * **Note**: 索引从 `0` 开始. 当传递 type 为索引时, 它不计算标签列, 例如当标签为 0 时, 权重为列 1, 正确的参数是权重值为 0 * `query`, default=`""`, type=string, alias=`query_column`, `group`, `group_column` * 指定 query/group ID 列 * 用数字做索引, e.g. `query=0` 意味着 column_0 是这个查询的 Id * 为列名添加前缀 `name:` , e.g. `query=name:query_id` * **Note**: 数据应按照 query_id. 索引从 `0` 开始. 当传递 type 为索引时, 它不计算标签列, 例如当标签为列 0, 查询 id 为列 1 时, 正确的参数是查询 =0 * `ignore_column`, default=`""`, type=string, alias=`ignore_feature`, `blacklist` * 在培训中指定一些忽略的列 * 用数字做索引, e.g. `ignore_column=0,1,2` 意味着 column_0, column_1 和 column_2 将被忽略 * 为列名添加前缀 `name:` , e.g. `ignore_column=name:c1,c2,c3` 意味着 c1, c2 和 c3 将被忽略 * **Note**: 只在从文件直接加载数据的情况下工作 * **Note**: 索引从 `0` 开始. 它不包括标签栏 * `categorical_feature`, default=`""`, type=string, alias=`categorical_column`, `cat_feature`, `cat_column` * 指定分类特征 * 用数字做索引, e.g. `categorical_feature=0,1,2` 意味着 column_0, column_1 和 column_2 是分类特征 * 为列名添加前缀 `name:`, e.g. `categorical_feature=name:c1,c2,c3` 意味着 c1, c2 和 c3 是分类特征 * **Note**: 只支持分类与 `int` type. 索引从 `0` 开始. 同时它不包括标签栏 * **Note**: 负值的值将被视为 **missing values** * `predict_raw_score`, default=`false`, type=bool, alias=`raw_score`, `is_predict_raw_score` * 只用于 `prediction` 任务 * 设置为 `true` 只预测原始分数 * 设置为 `false` 只预测分数 * `predict_leaf_index`, default=`false`, type=bool, alias=`leaf_index`, `is_predict_leaf_index` * 只用于 `prediction` 任务 * 设置为 `true` to predict with leaf index of all trees * `predict_contrib`, default=`false`, type=bool, alias=`contrib`, `is_predict_contrib` * 只用于 `prediction` 任务 * 设置为 `true` 预估 [SHAP values](https://arxiv.org/abs/1706.06060), 这代表了每个特征对每个预测的贡献. 生成的特征+1的值, 其中最后一个值是模型输出的预期值, 而不是训练数据 * `bin_construct_sample_cnt`, default=`200000`, type=int, alias=`subsample_for_bin` * 用来构建直方图的数据的数量 * 在设置更大的数据时, 会提供更好的培训效果, 但会增加数据加载时间 * 如果数据非常稀疏, 则将其设置为更大的值 * `num_iteration_predict`, default=`-1`, type=int * 只用于 `prediction` 任务 * 用于指定在预测中使用多少经过培训的迭代 * `<= 0` 意味着没有限制 * `pred_early_stop`, default=`false`, type=bool * 如果 `true` 将使用提前停止来加速预测。可能影响精度 * `pred_early_stop_freq`, default=`10`, type=int * 检查早期early-stopping的频率 * `pred_early_stop_margin`, default=`10.0`, type=double * t提前early-stopping的边际阈值 * `use_missing`, default=`true`, type=bool * 设置为 `false` 禁用丢失值的特殊句柄 * `zero_as_missing`, default=`false`, type=bool * 设置为 `true` 将所有的0都视为缺失的值 (包括 libsvm/sparse 矩阵中未显示的值) * 设置为 `false` 使用 `na` 代表缺失值 * `init_score_file`, default=`""`, type=string * 训练初始分数文件的路径, `""` 将使用 `train_data_file` + `.init` (如果存在) * `valid_init_score_file`, default=`""`, type=multi-string * 验证初始分数文件的路径, `""` 将使用 `valid_data_file` + `.init` (如果存在) * 通过 `,` 对multi-validation进行分离 ## 目标参数 * `sigmoid`, default=`1.0`, type=double * sigmoid 函数的参数. 将用于 `binary` 分类和 `lambdarank` * `alpha`, default=`0.9`, type=double * [Huber loss](https://en.wikipedia.org/wiki/Huber_loss) 和 [Quantile regression](https://en.wikipedia.org/wiki/Quantile_regression) 的参数. 将用于 `regression` 任务 * `fair_c`, default=`1.0`, type=double * [Fair loss](https://www.kaggle.com/c/allstate-claims-severity/discussion/24520) 的参数. 将用于 `regression` 任务 * `gaussian_eta`, default=`1.0`, type=double * 控制高斯函数的宽度的参数. 将用于 `regression_l1` 和 `huber` losses * `poisson_max_delta_step`, default=`0.7`, type=double * [Poisson regression](https://en.wikipedia.org/wiki/Poisson_regression) 的参数用于维护优化 * `scale_pos_weight`, default=`1.0`, type=double * 正值的权重 `binary` 分类任务 * `boost_from_average`, default=`true`, type=bool * 只用于 `regression` 任务 * 将初始分数调整为更快收敛速度的平均值 * `is_unbalance`, default=`false`, type=bool, alias=`unbalanced_sets` * 用于 `binary` 分类 * 如果培训数据不平衡设置为 `true` * `max_position`, default=`20`, type=int * 用于 `lambdarank` * 将在这个 [NDCG](https://en.wikipedia.org/wiki/Discounted_cumulative_gain#Normalized_DCG) 位置优化 * `label_gain`, default=`0,1,3,7,15,31,63,...`, type=multi-double * 用于 `lambdarank` * 有关获得标签. 列如, 如果使用默认标签增益这个 `2` 的标签则是 `3` * 使用 `,` 分隔 * `num_class`, default=`1`, type=int, alias=`num_classes` * 只用于 `multiclass` 分类 * `reg_sqrt`, default=`false`, type=bool * 只用于 `regression` * 适合``sqrt(label)`` 相反, 预测结果也会自动转换成 `pow2(prediction)` ## 度量参数 * `metric`, default={`l2` for regression}, {`binary_logloss` for binary classification}, {`ndcg` for lambdarank}, type=multi-enum, options=`l1`, `l2`, `ndcg`, `auc`, `binary_logloss`, `binary_error` … * `l1`, absolute loss, alias=`mean_absolute_error`, `mae` * `l2`, square loss, alias=`mean_squared_error`, `mse` * `l2_root`, root square loss, alias=`root_mean_squared_error`, `rmse` * `quantile`, [Quantile regression](https://en.wikipedia.org/wiki/Quantile_regression) * `huber`, [Huber loss](https://en.wikipedia.org/wiki/Huber_loss) * `fair`, [Fair loss](https://www.kaggle.com/c/allstate-claims-severity/discussion/24520) * `poisson`, [Poisson regression](https://en.wikipedia.org/wiki/Poisson_regression) * `ndcg`, [NDCG](https://en.wikipedia.org/wiki/Discounted_cumulative_gain#Normalized_DCG) * `map`, [MAP](https://en.wikipedia.org/wiki/Information_retrieval#Mean_average_precision) * `auc`, [AUC](https://en.wikipedia.org/wiki/Receiver_operating_characteristic#Area_under_the_curve) * `binary_logloss`, [log loss](https://www.kaggle.com/wiki/LogLoss) * `binary_error`, 样本: `0` 的正确分类, `1` 错误分类 * `multi_logloss`, mulit-class 损失日志分类 * `multi_error`, error rate for mulit-class 出错率分类 * `xentropy`, cross-entropy (与可选的线性权重), alias=`cross_entropy` * `xentlambda`, “intensity-weighted” 交叉熵, alias=`cross_entropy_lambda` * `kldiv`, [Kullback-Leibler divergence](https://en.wikipedia.org/wiki/Kullback%E2%80%93Leibler_divergence), alias=`kullback_leibler` * 支持多指标, 使用 `,` 分隔 * `metric_freq`, default=`1`, type=int * 频率指标输出 * `train_metric`, default=`false`, type=bool, alias=`training_metric`, `is_training_metric` * 如果你需要输出训练的度量结果则设置 `true` * `ndcg_at`, default=`1,2,3,4,5`, type=multi-int, alias=`ndcg_eval_at`, `eval_at` * [NDCG](https://en.wikipedia.org/wiki/Discounted_cumulative_gain#Normalized_DCG) 职位评估, 使用 `,` 分隔 ## 网络参数以下参数用于并行学习, 只用于基本(socket)版本。 * `num_machines`, default=`1`, type=int, alias=`num_machine` * 用于并行学习的并行学习应用程序的数量 * 需要在socket和mpi版本中设置这个 * `local_listen_port`, default=`12400`, type=int, alias=`local_port` * 监听本地机器的TCP端口 * 在培训之前, 您应该再防火墙设置中放开该端口 * `time_out`, default=`120`, type=int * 允许socket几分钟内超时 * `machine_list_file`, default=`""`, type=string, alias=`mlist` * 为这个并行学习应用程序列出机器的文件 * 每一行包含一个IP和一个端口为一台机器。格式是ip port, 由空格分隔 ## GPU 参数 * `gpu_platform_id`, default=`-1`, type=int * OpenCL 平台 ID. 通常每个GPU供应商都会公开一个OpenCL平台。 * default为 `-1`, 意味着整个系统平台 * `gpu_device_id`, default=`-1`, type=int * OpenCL设备ID在指定的平台上。在选定的平台上的每一个GPU都有一个唯一的设备ID * default为``-1``, 这个default意味着选定平台上的设备 * `gpu_use_dp`, default=`false`, type=bool * 设置为 `true` 在GPU上使用双精度GPU (默认使用单精度) ## 模型参数该特性仅在命令行版本中得到支持。 * `convert_model_language`, default=`""`, type=string * 只支持``cpp`` * 如果 `convert_model_language` 设置为 `task``时该模型也将转换为 ``train`, * `convert_model`, default=`"gbdt_prediction.cpp"`, type=string * 转换模型的输出文件名 ## 其他 ### 持续训练输入分数 LightGBM支持对初始得分进行持续的培训。它使用一个附加的文件来存储这些初始值, 如下: ``` 0.5 -0.1 0.9 ... ``` 它意味着最初的得分第一个数据行是 `0.5`,第二个是 ``-0.1` 等等。初始得分文件与数据文件逐行对应, 每一行有一个分数。如果数据文件的名称是 `train.txt`, 最初的分数文件应该被命名为 ``train.txt.init` 与作为数据文件在同一文件夹。在这种情况下, LightGBM 将自动加载初始得分文件, 如果它存在的话。 ### 权重数据 LightGBM 加权训练。它使用一个附加文件来存储权重数据, 如下: ``` 1.0 0.5 0.8 ... ``` 它意味的重压着第一个数据行是 `1.0`, 第二个是 `0.5`, 等等. 权重文件按行与数据文件行相对应, 每行的权重为. 如果数据文件的名称是 `train.txt`, 应该将重量文件命名为 `train.txt.weight` 与数据文件相同的文件夹. 在这种情况下, LightGBM 将自动加载权重文件, 如果它存在的话. **update**: 现在可以在数据文件中指定 `weight` 列。请参阅以上参数的参数. ### 查询数据对于 LambdaRank 的学习, 它需要查询信息来训练数据. LightGBM 使用一个附加文件来存储查询数据, 如下: ``` 27 18 67 ... ``` 它意味着第一个 `27` 行样本属于一个查询和下一个 `18` 行属于另一个, 等等. **Note**: 数据应该由查询来排序. 如果数据文件的名称是``train.txt`,这个查询文件应该被命名为``train.txt.query``查询在相同的培训数据文件夹中。在这种情况下, LightGBM将自动加载查询文件, 如果它存在的话。 **update**: 现在可以在数据文件中指定特定的 query/group id。请参阅上面的参数组。