使用LightGBM预测数据的简单代码实例

以下是使用 LightGBM 预测数据的简单代码实例：

import lightgbm as lgb
import pandas as pd

# 读取数据
train_data = pd.read_csv('train.csv')
test_data = pd.read_csv('test.csv')

# 准备训练数据
X_train = train_data.drop(['target'], axis=1)
y_train = train_data['target']

# 准备测试数据
X_test = test_data.drop(['target'], axis=1)

# 定义模型参数
params = {
    'boosting_type': 'gbdt',
    'objective': 'binary',
    'metric': 'auc',
    'num_leaves': 31,
    'learning_rate': .05,
    'feature_fraction': .9
}

# 训练模型
lgb_train = lgb.Dataset(X_train, y_train)
model = lgb.train(params, lgb_train, num_boost_round=100)

# 预测测试数据
y_pred = model.predict(X_test)

# 输出预测结果
print(y_pred)

这段代码使用 LightGBM 训练一个二分类模型，并对测试数据进行预测。其中，训练数据和测试数据都是从 CSV 文件中读取的，模型参数包括 boosting_type、objective、metric、num_leaves、learning_rate 和 feature_fraction 等。训练模型时使用了 lgb.Dataset 函数，预测时使用了 model.predict 函数。最终输出预测结果。