lightgbm回归模型

lightGBM回归模型是一种机器学习模型，用于解决回归问题。它是基于梯度提升决策树的框架，并且具有高效性和准确性的特点。该模型适用于处理大规模数据集，可以快速训练和预测。

在lightGBM回归模型中，特征数被设置为5个，并使用均方误差（MSE）作为评价指标来衡量模型的准确性。数据集被划分为训练集和测试集，通过训练集来训练模型，然后使用测试集来验证模型的预测效果。

在模型验证过程中，可以添加代码print(RSM)来观察损失的变化。模型验证的结果可以通过画图展示，在图中可以看到预测结果与实际结果的差异情况。

此外，还可以进行特征重要性分析，通过绘制特征重要性图表来了解各个特征对模型预测的贡献程度。