lightgbm 模型初始化

LightGBM是一款高效的梯度 boosting 解决方案，其模型初始化主要包括以下几个关键步骤：

1. **导入库**：首先需要安装并导入LightGBM的Python包，例如 `import lightgbm as lgb`。

2. **设置参数**：创建一个空的参数字典（`params`），用于配置模型的基本结构和训练选项。这些参数包括但不限于：树的数量（`num_leaves`）、最大深度（`max_depth`）、学习率（`learning_rate`）、早停（`early_stopping_rounds`）等。

   params = {
       'objective': 'binary',    # 如果是二分类任务
       'metric': 'binary_logloss',  # 监督学习指标
       'boosting_type': 'gbdt',  # 使用梯度增强决策树
       'num_threads': -1,        # 利用所有CPU核心加速
       'verbose': 0             # 降低训练信息输出
   }

3. **数据预处理**：准备好训练集（X）和目标变量（y），通常需要转换成 LightGBM 可接受的数据格式，例如DMatrix。

   train_data = lgb.Dataset(X_train, label=y_train)

4. **实例化模型**：使用`lgb.train()`函数初始化一个LightGBM模型实例，并传入参数。

   model = lgb.train(params, train_data, num_boost_round=1000, valid_sets=[train_data], early_stopping_rounds=100)