LightGBM 在任何输入上产生相同的概率 (C++)答案

【问题标题】：LightGBM produces same probabilities on any input (C++)LightGBM 在任何输入上产生相同的概率 (C++)
【发布时间】：2020-08-27 09:34:29
【问题描述】：

我已经在具有 5 个类（分类问题）的数据集上使用 python 训练了一个 LGBM 模型 (gbdt)，并且我能够在测试集上做出正确的推断，并将该模型加载到 python 脚本中。现在我需要在 C++ 程序中使用这个模型。为此，我导出了这个模型，并在 C++ 中加载了它以进行推理。问题在于，在 C++ 中，输出概率始终相同，因此我无法选择获胜者类别（每个类别的结果始终为 0.2）。

为了保存模型，我尝试了这两种方法。首先，我尝试将模型保存为字符串：

s = lgb_model.model_to_string(num_iteration=114)
f = open('model_out.txt','w')
f.write(s)
f.close()

第二个直接用保存模型方法：

lgb_model.save_model('model_out.txt')

为了在 C++ 中加载模型，我使用了这个没有错误：

    int ret = LGBM_BoosterLoadModelFromString(model_string, &num_iter, &booster_handle);

为了进行推断，我准备了一个输入缓冲区并将其传递给此函数：

int res = LGBM_BoosterPredictForMat(booster_handle, input_data, C_API_DTYPE_FLOAT64,
                                        n_row, n_cols, 1, C_API_PREDICT_NORMAL, 0, -1,"", &out_len, out_result);

我得到了一个有 5 行的矩阵，每个样本有一列，如下所示：

0.2 
0.2 
0.2 
0.2 
0.2

我尝试通过大量更改进行推断，但结果始终相同（随机输入、不同参数等）。此外，我检查了加载的模型，试图用这个函数重新转储它，结果似乎是正确的：

LGBM_BoosterDumpModel(booster_handle, 0, -1, C_API_FEATURE_IMPORTANCE_SPLIT, 1, &out_len, out_string);

我哪里错了？

【问题讨论】：

标签： python c++ machine-learning xgboost lightgbm

【解决方案1】：

我遇到了类似的问题，在我的情况下，我发现问题出在模型中的 is_linear 属性上。我比较了从binary_classification 示例生成的模型与我正在使用的模型，我注意到示例中的模型对每棵树都有is_linear=0 属性。在我的模型上它丢失了。然后我检查了c++代码，发现如果缺少这个属性，描述这个的变量是true。我将其默认设置为false，这对我有用。因为我最近才开始使用 LGBM 模型和 c++，所以我无法提供更多细节。

【讨论】：

你太棒了，它解决了问题！但是参数叫linear_tree而不是is_linear，设置为false就可以解决问题了。