1.使用LightGBM框架，实现相应随机森林算法对乳腺癌数据进行 预测 2.使用LightGBM框架，结合数据实现相应随机深林算法对糖尿病 趋势进行预测

### 使用LightGBM框架实现随机森林算法

#### 1. 对乳腺癌数据进行预测

**步骤如下：**

1. **导入相关库**

   import lightgbm as lgb
   import pandas as pd
   from sklearn.datasets import load_breast_cancer
   from sklearn.model_selection import train_test_split

2. **载入数据**

   data = load_breast_cancer()
   X = pd.DataFrame(data.data, columns=data.feature_names)
   y = pd.Series(data.target)

3. **分割数据集**

   X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

4. **模型构建**

   model = lgb.LGBMClassifier(n_estimators=100, max_depth=5, learning_rate=0.1)
   model.fit(X_train, y_train)

5. **模型测试**

   y_pred = model.predict(X_test)
   accuracy = (y_pred == y_test).mean()
   print(f"Accuracy: {accuracy:.2f}")

#### 2. 对糖尿病趋势进行预测

**步骤如下：**

1. **导入相关库**

   import lightgbm as lgb
   import pandas as pd
   from sklearn.datasets import load_diabetes
   from sklearn.model_selection import train_test_split

2. **载入数据**

   data = load_diabetes()
   X = pd.DataFrame(data.data, columns=data.feature_names)
   y = pd.Series(data.target)

3. **分割数据集**

   X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

4. **模型构建**

   model = lgb.LGBMRegressor(n_estimators=100, max_depth=5, learning_rate=0.1)
   model.fit(X_train, y_train)

5. **模型测试**

   y_pred = model.predict(X_test)
   mse = ((y_pred - y_test) ** 2).mean()
   print(f"Mean Squared Error: {mse:.2f}")

### 思考与优化

1. **选择合适的模型**
- 对于分类任务（如乳腺癌预测），选择 `LGBMClassifier`。
- 对于回归任务（如糖尿病趋势预测），选择 `LGBMRegressor`。

2. **调整参数以提升模型性能**
- `n_estimators`: 决策树的数量，增加数量可以提高模型性能但会增加计算成本。
- `max_depth`: 每棵树的最大深度，增加深度可以提高模型复杂度但可能导致过拟合。
- `learning_rate`: 学习率，减小学习率可以提高模型精度但需要更多的迭代次数。

3. **模型参数的影响**
- `n_estimators` 和 `max_depth` 增加会提高模型的拟合能力，但也可能增加过拟合的风险。
- `learning_rate` 减小可以使模型更稳定，但需要更多的时间来收敛。

### 实验报告要求

1. **报告模板已上传至云平台**。
2. **报告长度控制在两页以内**。
3. **命名规则**: 班级_学号_姓名，例如 “软工1班_1234567_张三.pdf”。
4. **提交方式**: 班长或学委收齐后打包发送至邮箱 `ruihong@fjnu.edu.cn`。
5. **打包文件命名方式**: 班级_实验名称，例如 “软工1班_随机森林”。
6. **提交截止时间**: 11月25日19:59分。