[LightGBM] [Warning] No further splits with positive gain, best gain: -inf 別のアルゴリズムで試したい
上記の警告メッセージはLightGBMの警告であり、通常はモデルの性能に大きな影響を与えることはありません。ただし、別のアルゴリズムを試してみることは良いアイデアです。代替として、ランダムフォレストなどの他のアルゴリズムを試すことができます。以下は、ランダムフォレストを使用する例です。
python
from sklearn.ensemble import RandomForestClassifier # ランダムフォレストモデルの作成とトレーニング rf_model = RandomForestClassifier(n_estimators=1000, random_state=100) rf_model.fit(X_train, y_train) # テストセットでの予測 y_pred = rf_model.predict(X_test) # モデルの評価 accuracy = accuracy_score(y_test, y_pred) precision = precision_score(y_test, y_pred, average='weighted') recall = recall_score(y_test, y_pred, average='weighted') f1 = f1_score(y_test, y_pred, average='weighted') roc_auc = roc_auc_score(y_test, rf_model.predict_proba(X_test), multi_class='ovr') print("Accuracy:", accuracy) print("Precision:", precision) print("Recall:", recall) print("F1 Score:", f1) print("ROC AUC Score:", roc_auc)
このコードでは、ランダムフォレストモデルを作成し、トレーニングデータでトレーニングし、テストデータで予測を行い、モデルの評価を行います。これにより、LightGBMとランダムフォレストのパフォーマンスを比較できます。