тав документацию LightGBM по перекрестной проверке, я надеюсь, что это сообщество сможет пролить свет на перекрестные проверки результатов и улучшить наши прогнозы с помощью LightGBM. Как мы должны использовать вывод словаря изlightgbm.cv улучшить наши прогнозы?

Вот пример - мы обучаем нашу модель cv, используя код ниже:

cv_mod = lgb.cv(params, 
                d_train, 
                500, 
                nfold = 10, 
                early_stopping_rounds = 25,
                stratified = True)

Как мы можем использовать параметры, найденные из лучшей итерации приведенного выше кода, чтобы предсказать вывод? В этом случае,cv_mod не имеет метода "предсказать", какlightgbm.trainи вывод словаря изlightgbm.cvвыдает ошибку при использовании вlightgbm.train.predict(..., pred_parameters = cv_mod).

Я пропустил важный шаг трансформации?