将lgbm模型进行5折交叉验证，并用GridSearchCV进行超参搜索，并打印输出每一折的精度

你可以使用 sklearn 的 `GridSearchCV` 函数来实现 lgbm 模型的 5 折交叉验证和超参数搜索。首先，需要定义模型和要调整的超参数的范围：

import lightgbm as lgb
from sklearn.model_selection import GridSearchCV

model = lgb.LGBMClassifier()

param_grid = {
    'learning_rate': [0.1, 0.01],
    'n_estimators': [20, 40]
}

然后，你可以使用 `GridSearchCV` 函数进行交叉验证和超参数搜索：

gscv = GridSearchCV(model, param_grid, cv=5)
gscv.fit(X_train, y_train)

其中，`X_train` 和 `y_train` 是训练数据的特征和标签。

最后，你可以使用以下代码来输出每一折的精度：

for i, score in enumerate(gscv.cv_results_['mean_test_score']):
    print(f"Fold {i}, Accuracy: {score:.3f}")