LightGBM 警告：没有有意义的特征，因为所有特征值都是常数

我尝试过以下简单的代码：

import lightgbm, pandas
params = {'objective': 'multiclass', 'num_classes': 4}
train_df = pandas.DataFrame({'f0': [0, 1, 2, 3] * 5, 'f1': [0, 0, 1] * 6 + [1, 2]}, dtype=float)
train_target = pandas.Series([0, 1, 2, 3] * 5)
train_set = lightgbm.Dataset(train_df, train_target)
model = lightgbm.train(params=params, train_set=train_set)

输出如下：

[LightGBM] [警告] 没有有意义的特征，因为所有特征 值是恒定的。

[LightGBM] [信息] 总 bin 0

[LightGBM] [Info] 数据数量：20，使用的特征数量：0

[LightGBM] [Info] 从分数-1.386294开始训练

[LightGBM] [Info] 从分数-1.386294开始训练

[LightGBM] [Info] 从分数-1.386294开始训练

[LightGBM] [Info] 从分数-1.386294开始训练

[LightGBM] [警告] 由于没有更多叶子而停止训练 满足分割要求的

我的特征显然不是一成不变的。

怎么了？

我在 Ubuntu 16.04 上运行 Python 3.5.2。

我想到了。

问题是默认值min_data_in_leaf是20，我没有改变它。

我的数据只有 20 行。因此，LightGBM 报告称无法对其进行分割，因为每次分割的最小样本数为 20。

（事实上​​，它不需要分割它，因为解决方案是一棵树只有一片叶子。但显然 LightGBM 无论如何都在检查分割的可能性。）

我增加了行数，LightGBM 训练得很好。