写一段lightgbm做回归的代码

好的，下面是一段用 LightGBM 做回归的示例代码：

import lightgbm as lgb

# 读入数据
X_train, y_train = read_data()
X_test, y_test = read_data()

# 创建 LightGBM 训练数据集
lgb_train = lgb.Dataset(X_train, y_train)
lgb_eval = lgb.Dataset(X_test, y_test, reference=lgb_train)

# 定义参数
params = {
    'boosting_type': 'gbdt',
    'objective': 'regression',
    'metric': {'l2', 'l1'},
    'num_leaves': 31,
    'learning_rate': 0.05,
    'feature_fraction': 0.9,
    'bagging_fraction': 0.8,
    'bagging_freq': 5,
    'verbose': 0
}

# 训练模型
gbm = lgb.train(params,
                lgb_train,
                num_boost_round=100,
                valid_sets=lgb_eval,
                early_stopping_rounds=5)

# 预测
y_pred = gbm.predict(X_test, num_iteration=gbm.best_iteration)

在这段代码中，我们先读入训练和测试数据，然后利用 `lgb.Dataset` 创建 LightGBM 的训练数据集和测试数据集。接着，我们定义了训练模型所需的参数，并使用 `lgb.train` 函数来训练模型。最后，我们使用训练好的模型对测试数据进行预测。