model_lgb.fit() 参数

`model_lgb.fit()`是LightGBM模型训练的方法，它的参数包括以下几个：

- `train_set`：训练数据集，通常是一个`lgb.Dataset`对象，包含特征数据和标签数据。
- `valid_sets`：验证数据集，可以是一个`lgb.Dataset`对象或一个列表，用于在训练过程中评估模型的性能。
- `categorical_feature`：类别特征列表，指定哪些特征是类别型特征。
- `num_boost_round`：迭代次数，指定训练的轮数。
- `early_stopping_rounds`：提前停止轮数，如果验证集的性能在连续的指定轮数内没有提升，则停止训练。
- `class_weight`：类别权重，用于处理不平衡数据集。可以是一个字典，指定每个类别的权重。

下面是一个示例代码：

import lightgbm as lgb

# 创建训练数据集和验证数据集
train_data = lgb.Dataset(X_train, label=y_train)
valid_data = lgb.Dataset(X_valid, label=y_valid)

# 定义模型参数
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_set=train_data, valid_sets=[train_data, valid_data], num_boost_round=100, early_stopping_rounds=10, categorical_feature=category_feature_list, class_weight={True: 4})