У меня есть проблема бинарной классификации, которую я пытаюсь решить с помощью API-интерфейса traing и cv LightGBM. Сначала я настроил гиперпараметры, используя hyperopt вместе с целевой функцией, которая оборачивает вызов LightGBM CV API. Для этого, поскольку целевые классы сильно разбалансированы, я использовал настраиваемую функцию фокусных потерь с оценкой f1-показателя, чтобы найти наилучшее соответствие. Когда я пытаюсь подогнать окончательную модель, используя оптимизированные параметры, модель не рассматривает ее как бинарную проблему и выдает непрерывные значения при прогнозировании. Смотрите прикрепленное изображение. Кто-нибудь знает, что мне не хватает? Блокнот Jupyter