写出Python lightgbm得出数据集特征重要性的代码

在LightGBM中，你可以使用`feature_importance`属性来获取数据集特征的重要性。这是一个简单的例子：

import lightgbm as lgb

# 假设你已经有了训练好的LGBM模型model和原始数据集X_train
# 还有一个列名列表col_names对应于你的特征

# 训练模型
lgb_model = lgb.LGBMClassifier()  # 或者其他类型的LGBM模型，如lgb.LGBMRegressor()
lgb_model.fit(X_train, y_train)  # y_train是你对应的标签

# 获取特征重要性
feature_importance = lgb_model.feature_importances_
sorted_features = sorted(zip(feature_importance, col_names), reverse=True)

for importance, feature in sorted_features:
    print(f"特征：{feature}, 重要性：{importance:.4f}")

这里的`feature_importance`是一个数组，表示每个特征对模型预测的影响程度。`sorted_features`则是一个按重要性降序排列的元组列表。