lightgbm代码

当然，我可以为您提供一个简单的LightGBM代码示例。以下是一个基本的LightGBM分类模型的示例：

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

# 加载数据集
iris = load_iris()
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2, random_state=42)

# 创建LightGBM数据集
train_data = lgb.Dataset(X_train, label=y_train)

# 设置参数
params = {
    'objective': 'multiclass',
    'num_class': 3,
    'metric': 'softmax',
}

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

# 预测
y_pred = model.predict(X_test)
y_pred = [list(x).index(max(x)) for x in y_pred]

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print('Accuracy:', accuracy)

这是一个简单的使用LightGBM进行分类的示例代码。首先，我们加载了鸢尾花数据集并将其拆分为训练集和测试集。然后，我们使用`lgb.Dataset`函数创建LightGBM所需的训练数据集。接下来，我们设置了模型的参数，包括目标函数、类别数和评估指标。最后，我们使用`lgb.train`函数训练模型，并使用训练好的模型进行预测和计算准确率。

请注意，这只是一个基本示例，实际使用LightGBM时可能需要根据具体问题和数据进行调整和优化。