python lightgbm 读取自己的CSV

你可以使用 pandas 库来读取 CSV 文件，然后通过 lightgbm 库来训练和预测数据。以下是一个示例代码：

import pandas as pd
import lightgbm as lgb

# 读取 CSV 文件
data = pd.read_csv('your_file.csv')

# 分离特征和标签
X = data.drop('label', axis=1)
y = data['label']

# 划分训练集和测试集
train_data = lgb.Dataset(X, label=y)
test_data = lgb.Dataset(X_test, label=y_test)

# 定义训练参数
params = {
    'boosting_type': 'gbdt',
    'objective': 'binary',
    'metric': 'binary_logloss',
    'num_leaves': 31,
    'learning_rate': 0.05,
    'feature_fraction': 0.9
}

# 训练模型
model = lgb.train(params, train_data, valid_sets=[test_data])

# 预测数据
y_pred = model.predict(X_test)

请将 `your_file.csv` 替换为你自己的 CSV 文件路径，`label` 替换为你的标签列名，`X` 替换为你的特征数据。同时，你也可以根据自己的需求调整参数。