帮我写一段基于Lightgbm的二分类模型代码

好的，以下是一段基于LightGBM的二分类模型代码示例：

import lightgbm as lgb
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 加载数据集
X, y = load_data()

# 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)

# 将数据转换为LightGBM需要的数据格式
train_data = lgb.Dataset(X_train, label=y_train)
test_data = lgb.Dataset(X_test, label=y_test)

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

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

# 在测试集上评估模型性能
y_pred = model.predict(X_test)
y_pred = [1 if pred > 0.5 else 0 for pred in y_pred]
accuracy = accuracy_score(y_test, y_pred)
print('Accuracy:', accuracy)

在这个示例中，我们首先加载数据集并将其划分为训练集和测试集。然后，我们使用`lgb.Dataset`将数据转换为LightGBM需要的格式，并设置模型参数。接下来，我们使用`lgb.train`训练模型，并使用测试集评估模型性能。最后，我们计算并输出模型的准确率。