X_train,X_test,y_train,y_test =train_test_split(X,y,test_size=0.1) estimator = lgb.LGBMRegressor()

这段代码使用了 scikit-learn 的 train_test_split 函数，将数据集 X 和标签 y 按照比例 9:1 划分成训练集（X_train, y_train）和测试集（X_test, y_test）。其中，X_train 和 y_train 分别是训练集的特征和标签，X_test 和 y_test 分别是测试集的特征和标签。

接下来，定义了一个 LightGBM 的回归模型，即 LGBMRegressor 对象 estimator。LightGBM 是一种基于梯度提升树的机器学习算法，可以用于回归和分类问题。LGBMRegressor 的默认参数已经经过了优化，可以直接用于模型训练和预测。