LightGBM python实例化

以下是LightGBM Python实例化的示例代码：

import lightgbm as lgb

# 准备数据
train_data = lgb.Dataset('train.svm.bin')
test_data = lgb.Dataset('test.svm.bin')

# 设置参数
params = {
    'boosting_type': 'gbdt',
    'objective': 'binary',    'metric': 'binary_logloss',
    'num_leaves': 31,    'learning_rate': 0.05,
    'feature_fraction': 0.9
}

# 训练模型
gbm = lgb.train(params, train_data, num_boost_round=100, valid_sets=[test_data])

# 预测
y_pred = gbm.predict(X_test, num_iteration=gbm.best_iteration)

# 输出结果
print(y_pred)

在这个示例中，我们首先使用`lgb.Dataset`函数准备训练和测试数据。然后，我们设置了一些参数，例如`boosting_type`，`objective`和`metric`等。接下来，我们使用`lgb.train`函数训练模型，并使用`gbm.predict`函数进行预测。最后，我们输出了预测结果。