更新初始化代码

main.py

@@ -79,24 +79,15 @@ test_data = lgb.Dataset(X_test, label=y_test, reference=train_data)
 
 print("数据集创建成功")
 # 设置模型的参数
-# params = {
-#     'objective': 'binary',  # 指定二分类任务
-#     'metric': 'binary_logloss',  # 评估指标为二分类的log损失
-#     'num_leaves': 31,  # 叶子节点数
-#     'learning_rate': 0.05,  # 学习率
-#     'bagging_fraction': 0.9,  # 建树的样本采样比例
-#     'feature_fraction': 0.8,  # 建树的特征选择比例
-#     'bagging_freq': 5,  # k 意味着每 k 次迭代执行bagging
-# }
 params = {
-    'objective': 'binary',
-    'metric': 'binary_logloss',
-    'num_leaves': 20,  # 减少叶子节点数
-    'learning_rate': 0.1,  # 增大学习率
-    'bagging_fraction': 0.95,  # 略微增加抽样比例
-    'feature_fraction': 0.95,  # 略微增加特征抽样比例
-    'bagging_freq': 0,  # 减少bagging频率
-    # 'boosting_type': 'hist',  # 使用基于直方图的快速方法
+    'objective': 'binary',  # 指定二分类任务
+    'metric': 'binary_logloss',  # 评估指标为二分类的log损失
+    'num_leaves': 31,  # 叶子节点数
+    'learning_rate': 0.05,  # 学习率
+    'bagging_fraction': 0.9,  # 建树的样本采样比例
+    'feature_fraction': 0.8,  # 建树的特征选择比例
+    'bagging_freq': 5,  # k 意味着每 k 次迭代执行bagging
+    'num_threads': 4  #
 }
 
 # 训练模型