如何获取LightGBM最佳迭代轮次的binary_logloss值？

我正尝试使用Optuna对LightGBM二分类模型的参数进行调优，需要定义目标函数来汇报Optuna要优化的指标，希望使用LightGBM训练过程中默认输出的binary_logloss函数。但运行以下代码时出现KeyError('binary_logloss')，无法获取最佳迭代轮次的binary_logloss值：

def objective(trial):
    params = {
        'objective': 'binary',
        'learning_rate': trial.suggest_loguniform('learning_rate', 1e-5, 1e-2),
        'num_leaves': trial.suggest_int('num_leaves', 2, 128)
    }
    model = lgb.train(params, dtrain, valid_sets= [dtrain, dvalid], num_boost_round=10000, early_stopping_rounds=200)

    return model.best_score['valid_0']['binary_logloss'] # 此处报错

出现该错误的核心原因是：LightGBM在未显式指定metric参数时，二分类任务默认记录的损失指标键名为logloss而非binary_logloss，调用不存在的键会引发报错。可以通过以下两种方式解决：

方式1：使用默认指标键名 #

直接修改返回语句，使用默认的logloss键：

return model.best_score['valid_0']['logloss']

注：如果你的早停逻辑是基于验证集dvalid，更建议返回验证集的损失（对应valid_1），避免过拟合：

return model.best_score['valid_1']['logloss']

方式2：显式指定指标参数 #

在模型参数中明确指定metric为binary_logloss，这样best_score中就会使用该键名：

def objective(trial):
    params = {
        'objective': 'binary',
        'learning_rate': trial.suggest_loguniform('learning_rate', 1e-5, 1e-2),
        'num_leaves': trial.suggest_int('num_leaves', 2, 128),
        'metric': 'binary_logloss'  # 显式指定指标
    }
    model = lgb.train(params, dtrain, valid_sets= [dtrain, dvalid], num_boost_round=10000, early_stopping_rounds=200)

    return model.best_score['valid_0']['binary_logloss'] # 现在可正常调用

额外提示：如果不确定best_score的结构，可以先执行print(model.best_score)查看所有可用的指标键名，避免键名匹配错误。

内容的提问来源于stack exchange，提问作者Nick