使用提前停止时对增强轮数施加限制？
Imposing floor on the number of boosting rounds when using early stopping?
在 xgboost 或 lightgbm 等提升树算法的超参数优化过程中，是否可以在使用提前停止时直接控制提升轮次 (estimators/trees) 的最小（而不仅仅是最大）次数？这种需求的动机是观察到在太少轮次后停止训练的模型一直欠拟合（其指标明显低于最先进的模型，这些模型往往有更多的提升轮次）。
我知道的唯一解决方案是间接的：调整链接的超参数 - 学习率（降低其在搜索中的上限 space）。当设置得太高时，学习率会导致模型拟合不足，从而使训练停止得太快，即提升轮数太少。
您是否尝试过改变设置停止回合数的参数？
根据所使用的数据、轮次和学习率，我看到这个参数设置低至 5，高至 500。
如果您提供一些示例数据和代码，可能会更容易提出一些建议。
在 xgboost 或 lightgbm 等提升树算法的超参数优化过程中，是否可以在使用提前停止时直接控制提升轮次 (estimators/trees) 的最小（而不仅仅是最大）次数？这种需求的动机是观察到在太少轮次后停止训练的模型一直欠拟合（其指标明显低于最先进的模型，这些模型往往有更多的提升轮次）。
我知道的唯一解决方案是间接的：调整链接的超参数 - 学习率（降低其在搜索中的上限 space）。当设置得太高时，学习率会导致模型拟合不足，从而使训练停止得太快，即提升轮数太少。
您是否尝试过改变设置停止回合数的参数？ 根据所使用的数据、轮次和学习率，我看到这个参数设置低至 5，高至 500。
如果您提供一些示例数据和代码，可能会更容易提出一些建议。