在优化xgboost或lightgbm等提升树算法的超参数时，是否可以直接控制使用提前停止时的最低提升轮数（估算器/树）？不仅仅是最高轮数。这个需求源于观察到，在经过太少轮次后停止训练的模型往往会出现显著的欠拟合（其指标明显不如那些通常有更多提升轮次的最先进模型）。

我所知道的唯一解决方案是间接的：调整一个关联的超参数——学习率（在搜索空间中降低其上限）。如果学习率设置得过高，可能会导致模型欠拟合，从而使训练过早停止，即提升轮数过少。

回答：

您是否尝试过调整设置停止轮数的参数？根据所使用的数据、轮数和学习率，我看到这个参数的设置可以低至5，也可以高达500。

如果您能提供一些样本数据和代码，可能会更容易提出建议。