lightgbm的MSE代码

LightGBM 是一个基于决策树算法的高性能梯度提升框架，它支持回归、分类和排序任务。在 LightGBM 中，均方误差（MSE）是回归任务中的一种常用损失函数。下面给出 LightGBM 中 MSE 的代码实现：

import lightgbm as lgb
from sklearn.metrics import mean_squared_error

# 加载数据集
data = lgb.Dataset(X_train, label=y_train)

# 设置参数
params = {
    'objective': 'regression',
    'metric': 'mse',
    'num_leaves': 31,
    'learning_rate': 0.05,
    'feature_fraction': 0.9
}

# 训练模型
model = lgb.train(params, data, num_boost_round=100)

# 预测结果
y_pred = model.predict(X_test)

# 计算 MSE
mse = mean_squared_error(y_test, y_pred)
print('MSE:', mse)

上述代码中，首先加载数据集，并设置了 LightGBM 的参数。其中，`objective` 参数设置为 `'regression'` 表示回归任务，`metric` 参数设置为 `'mse'` 表示使用 MSE 作为评价指标。接着，训练模型并进行预测，最后使用 `mean_squared_error` 函数计算 MSE。