lgbm添加正则化代码python

LightGBM（LGBM）是一种高效的梯度升框架，可以用于解决分类和回归问题。在LGBM中添加正则化可以帮助减少过拟合的风险，提高模型的泛化能力。下面是在Python中使用LGBM添加正则化的代码示例：

import lightgbm as lgb

# 创建一个LGBM分类器或回归器
model = lgb.LGBMClassifier()  # 或者 lgb.LGBMRegressor()，根据任务选择

# 设置正则化参数
params = {
    'reg_alpha': 0.1,  # L1正则化参数
    'reg_lambda': 0.2  # L2正则化参数
}

# 将正则化参数传递给模型
model.set_params(**params)

# 训练模型
model.fit(X_train, y_train)

# 使用模型进行预测
y_pred = model.predict(X_test)

在上述代码中，我们首先导入了`lightgbm`库，并创建了一个LGBM分类器或回归器对象。然后，我们定义了正则化参数`reg_alpha`和`reg_lambda`，分别对应L1正则化和L2正则化的强度。接下来，我们使用`set_params`方法将正则化参数传递给模型。最后，我们使用训练数据`X_train`和`y_train`对模型进行训练，并使用测试数据`X_test`进行预测。