estimator = lgb.LGBMRegressor()如何使用

`lgb.LGBMRegressor()`是LightGBM库中的回归模型，可以使用以下步骤训练和使用模型：

1. 导入需要的库和数据；
2. 实例化模型并设置超参数；
3. 使用`fit`方法拟合模型；
4. 使用`predict`方法预测结果。

以下是一个简单的例子：

import lightgbm as lgb
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split

# 导入数据
boston = load_boston()
X, y = boston.data, boston.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 实例化模型并设置超参数
estimator = lgb.LGBMRegressor(num_leaves=31, learning_rate=0.05, n_estimators=20)

# 拟合模型
estimator.fit(X_train, y_train)

# 预测结果
y_pred = estimator.predict(X_test)

在实例化模型时，你可以根据实际情况设置超参数，例如`num_leaves`表示叶节点数目，`learning_rate`表示学习率，`n_estimators`表示迭代次数等。在模型拟合时，你需要将训练数据`X_train`和`y_train`传入`fit`方法中，模型会自动训练并拟合数据。最后，使用`predict`方法可以对测试数据进行预测，得到预测结果`y_pred`。