注，有任何建议或疑问,请加 QQ: 1595218767 ,共同探讨学习
如R/python代码编程作图等方面需要帮忙，欢迎来店咨询 之恒科技, 挥动热情的小爪爪期待你哦
安装
安装R版本的 lightgbm, 相较于之前的 install.packages('xx') 分分钟完事, 会略显繁琐， 笔者在安装之初也是填了n次坑, 与 巨硬的R包作者 来往了好几次才成功, 故将安装过程笔记放在这里, 以饷后来人
- 非GPU版本
- 1.0 官方安装指导 传送门
- 1.1 安装前的准备
安装 git 和 cmake
注: lightgbm 不支持 32-bit R/Rtools - 1.2.1 windows 平台
安装 64 位 Rtools 并将 启动路径放置于 环境变量的path中
也可以直接运行代码 ：
library(devtools)
options(devtools.install.args = "--no-multiarch") # if you have 64-bit R only, you can skip this
install_github("Microsoft/LightGBM", subdir = "R-package") - 1.2.2 linux 平台
先安装 Open MPI
尔后运行以下代码 ：
git clone --recursive https://github.com/Microsoft/LightGBM ; cd LightGBM
mkdir build ; cd build
cmake -DUSE_MPI=ON ..
make -j4
Note: glibc >= 2.14 is required. - 1.2.3 osx 平台
先安装 gcc 和 Open MPI :
brew install openmpi
brew install cmake
brew install gcc --without-multilib
尔后 :
git clone --recursive https://github.com/Microsoft/LightGBM ; cd LightGBM
export CXX=g++-7 CC=gcc-7
mkdir build ; cd build
cmake -DUSE_MPI=ON ..
make -j4
- GPU版本
参考资料
应用
1. 回归
train_dt <- df1 %>% filter(label1!=0)
test_dt <- df1 %>% filter(label1==0)
indx1 <- sample(c(0,1),size = nrow(train_dt),replace = TRUE,prob = c(0.8,0.2))
train1 <- train_dt %>% filter(indx1==0)
valid1 <- train_dt %>% filter(indx1==1)
library(lightgbm)
#lgb.unloader(wipe = TRUE)
dtrain <- lgb.Dataset(data=bia1,
label=bia2,
is_sparse=FALSE,
# colnames/categorical_feather used for specifying categorical feathers
colnames = colnames(train1 %>% select(-ids1,-label1)),
categorical_feature = c('cateVar1','cateVar2'))
dtest <- lgb.Dataset.create.valid(dataset=dtrain,
data=bia3,
label=bia4)
valids <- list(test=dtest)
lgb1 <- lgb.train(params=params,
data=dtrain,
valids = valids,
min_data =1)
pre.lgb=predict(lgb1,bia7)
