R语言，lightGBM回归预测模型，超参数寻优

R语言是一种广泛使用的统计计算软件和图形环境，尤其适合数据分析和科学计算。lightGBM（Light Gradient Boosting Machine）是一个高效的梯度提升算法库，它基于决策树，特别擅长处理高维数据并减少过拟合。

在R中，你可以通过`lightgbm`包来构建和优化lightGBM回归预测模型。首先，需要安装并加载这个包：

install.packages("lightgbm")
library(lightgbm)

对于超参数寻优，通常会使用`caret`（Classification And Regression Training）或其他专门的包，如`tune`（from `mlr`）。一个常见的方法是网格搜索（Grid Search），例如：

# 假设我们有以下参数范围
params <- expand.grid(
  learning_rate = c(0.05, 0.1, 0.2),
  num_leaves = seq(30, 100, by = 20),
  min_data_in_leaf = seq(10, 500, by = 100)
)

# 定义训练函数
train_function <- function(data, params) {
  lgb_model <- lightgbm::LGBMRegressor(
    data = data[, -ncol(data)], # 排除目标变量
    label = data[, ncol(data)],
    params = params
  )
  return(lgb_model)
}

# 使用 caret 的 train 函数进行超参数搜索
control <- trainControl(method = "cv", number = 5)
best_model <- tuneParams(train_function, data, trControl = control, grid = params)