使用XGBoost训练LightGBM模型代码

XGBoost和LightGBM都是常用的梯度提升树算法库，它们可以用于解决分类和回归问题。下面是使用XGBoost训练LightGBM模型的代码示例：

import lightgbm as lgb
import xgboost as xgb
from sklearn.datasets import load_breast_cancer
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 加载数据集
data = load_breast_cancer()
X_train, X_test, y_train, y_test = train_test_split(data.data, data.target, test_size=0.2, random_state=42)

# 使用XGBoost训练模型
xgb_model = xgb.XGBClassifier()
xgb_model.fit(X_train, y_train)

# 使用LightGBM训练模型
lgb_model = lgb.LGBMClassifier()
lgb_model.fit(X_train, y_train)

# 在测试集上进行预测
xgb_pred = xgb_model.predict(X_test)
lgb_pred = lgb_model.predict(X_test)

# 计算准确率
xgb_accuracy = accuracy_score(y_test, xgb_pred)
lgb_accuracy = accuracy_score(y_test, lgb_pred)

print("XGBoost模型准确率：", xgb_accuracy)
print("LightGBM模型准确率：", lgb_accuracy)

这段代码首先导入了需要的库，然后使用`load_breast_cancer`函数加载了一个乳腺癌数据集，并将数据集划分为训练集和测试集。接着，分别使用XGBoost和LightGBM创建了分类器，并使用训练集进行训练。最后，使用测试集进行预测，并计算了模型的准确率。