对训练集data.rose建立LightGBM模型，结局变量为outcome,验证集为Iris_test

首先，我们需要加载所需的库和数据集。假设你已经安装了LightGBM和Pandas库，并且已经将数据集"data.rose"和验证集"Iris_test"放在了当前工作目录下。接下来，我们可以按照以下步骤建立LightGBM模型：

import lightgbm as lgb
import pandas as pd

# 加载训练集和验证集
train_data = pd.read_csv('data.rose')
test_data = pd.read_csv('Iris_test')

# 提取特征和目标变量
X_train = train_data.drop('outcome', axis=1)
y_train = train_data['outcome']

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

# 设置LightGBM参数
params = {
    'objective': 'binary',
    'metric': 'binary_logloss'
}

# 训练LightGBM模型
model = lgb.train(params, lgb_train)

# 预测验证集
X_test = test_data.drop('outcome', axis=1)
y_test = test_data['outcome']
y_pred = model.predict(X_test)

# 输出预测结果
print(y_pred)

请注意，上述代码中的参数设置可能需要根据你的数据集和问题进行调整。另外，特征工程、调参等步骤并未包含在此代码中，你可能需要根据实际情况进行相应的处理。