帮我写一段代码，用LGBMClassifier进行多分类任务，类别数为10

当然，我可以为您写一段使用LGBMClassifier进行多分类任务的代码。如下所示：

import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from lightgbm import LGBMClassifier

# 读入训练数据
train_df = pd.read_csv("train.csv")

# 将类别变量转换为数值变量（如果需要）
train_df = pd.get_dummies(train_df)

# 定义特征列和目标列
y = train_df['target']
X = train_df.drop('target', axis=1)

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# 训练模型
lgbm = LGBMClassifier(n_estimators=100, num_classes=10)
lgbm.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = lgbm.predict(X_test)

# 输出模型的准确率
accuracy = np.mean(y_pred == y_test)
print("准确率为:", accuracy)

注意，上述代码中的训练数据需要根据你的实际需求进行替换，另外，你可能需要调整LGBMClassifier()函数的一些参数以达到更好的性能。