本篇文章所有数据集和代码均在我的GitHub中，
 https://github.com/Microstrong0305/WeChat-zhihu-csdnblog-code/tree/master/Ensemble%20Learning/LightGBM
1/LightGBM分类和回归
LightGBM有两大类接口：LightGBM原生接口和scikit-learn接口（这一点和xgboost是一样的。）
并且LightGBM能够实现分类和回归两种任务。
2/分类任务
<1>基于LightGBM原生接口的分类
import numpy as np
import lightgbm 
from sklearn import datasets # 数据集
from sklearn.model_selection import train_test_split        # 划分训练集和测试集
from sklearn.metrics import roc_auc_score, accuracy_score   # 衡量模型的优劣
# 加载数据
iris = datasets.load_iris()
# 划分训练集和测试集
train_x, test_x, train_y, test_y = train_test_split(iris.data, iris.target, test_size=0.3)
# 转换为Dataset数据格式
# 这一点和xgboost也是一样的，原生接口都需要转成特别的数据形式
train_data = lightgbm.Dataset(train_x, label=train_y) 
validation_data = lightgbm.Dataset(test_x, label=test_y)
params = {
    'learning_rate': 0.1,
    'lambda_l1': 0.1,
    'lambda_l2': 0.2,
    'max_depth': 4,
    'objective': 'multiclass',   # 目标函数，这个和xgboost中的参数不同
    'num_class': 3,
# 模型训练
# 原生接口都是用的train()，这一点xgboost和lightgbm是一样的。
lightgbm_model = lightgbm.train(params, 
                                train_data, 
                                valid_sets=[validation_data])  # 边训练边看模型在验证集上的效果
# 模型预测
pre_y = lightgbm_model.predict(test_x)
pre_y = [list(x).index(max(x)) for x in pre_y]
print(pre_y)
# 模型评估
print(accuracy_score(test_y, y_pred))
<2>基于Scikit-learn接口的分类
from lightgbm import LGBMClassifier
from sklearn.metrics import accuracy_score
from sklearn.model_selection import GridSearchCV
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.externals import joblib
# 加载数据
iris = load_iris()
data = iris.data
target = iris.target
# 划分训练数据和测试数据
X_train, X_test, y_train, y_test = train_test_split(data, target, test_size=0.2)
# 模型训练
# sklearn中的训练函数是fit()
gbm = LGBMClassifier(num_leaves=31, learning_rate=0.05, n_estimators=20)
gbm.fit(X_train, y_train, eval_set=[(X_test, y_test)], early_stopping_rounds=5)
# 模型存储
joblib.dump(gbm, 'loan_model.pkl')
# 模型加载
gbm = joblib.load('loan_model.pkl')
# 模型预测
y_pred = gbm.predict(X_test, num_iteration=gbm.best_iteration_)
# 模型评估
print('The accuracy of prediction is:', accuracy_score(y_test, y_pred))
# 特征重要度
print('Feature importances:', list(gbm.feature_importances_))
# 网格搜索，参数优化
estimator = LGBMClassifier(num_leaves=31)
param_grid = {
    'learning_rate': [0.01, 0.1, 1],
    'n_estimators': [20, 40]
gbm = GridSearchCV(estimator, 
                   param_grid,
                   refit=True,
                   cv=3)
gbm.fit(X_train, y_train)
print('Best parameters found by grid search are:', gbm.best_params_)
3/回归任务
<1>基于LightGBM原生接口的回归
对于LightGBM解决回归问题，我们用Kaggle比赛中回归问题：House Prices: Advanced Regression Techniques，
地址：[https://www.kaggle.com/c/house-prices-advanced-regression-techniques](https://link.zhihu.com/?target=https%3A//www.kaggle.com/c/house-prices-advanced-regression-techniques) 来进行实例讲解。
该房价预测的训练数据集中一共有81列，第一列是Id，最后一列是label，中间79列是特征。
这79列特征中，有43列是类别型变量，33列是整数变量，3列是浮点型变量。
训练数据集中存在缺失值missing value
import pandas as pd
import lightgbm as lgb
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_absolute_error # mas 绝对值误差均值
from sklearn.preprocessing import Imputer # 数据的预处理，一般是特征缩放和特征编码
# 1.读文件
data = pd.read_csv('./dataset/train.csv')
# 2.切分数据输入：特征 输出：预测目标变量
y = data.SalePrice
X = data.drop(['SalePrice'], axis=1).select_dtypes(exclude=['object'])
# 3.切分训练集、测试集,切分比例7.5 : 2.5
train_X, test_X, train_y, test_y = train_test_split(X.values, y.values, test_size=0.25)
# 4.空值处理，默认方法：使用特征列的平均值进行填充
my_imputer = Imputer()
train_X = my_imputer.fit_transform(train_X)
test_X = my_imputer.transform(test_X)
# 5.转换为Dataset数据格式
lgb_train = lgb.Dataset(train_X, train_y)
lgb_eval = lgb.Dataset(test_X, test_y, reference=lgb_train)
# 6.参数
params = {
    'task': 'train',
    'boosting_type': 'gbdt',  # 设置提升类型
    'objective': 'regression',  # 目标函数
    'metric': {'l2', 'auc'},  # 评估函数
    'num_leaves': 31,  # 叶子节点数
    'learning_rate': 0.05,  # 学习速率
    'feature_fraction': 0.9,  # 建树的特征选择比例
    'bagging_fraction': 0.8,  # 建树的样本采样比例
    'bagging_freq': 5,  # k 意味着每 k 次迭代执行bagging
    'verbose': 1  # <0 显示致命的, =0 显示错误 (警告), >0 显示信息
# 7.调用LightGBM模型，使用训练集数据进行训练（拟合）
# Add verbosity=2 to print messages while running boosting
my_model = lgb.train(params, lgb_train, num_boost_round=20, valid_sets=lgb_eval, early_stopping_rounds=5)
# 8.使用模型对测试集数据进行预测
predictions = my_model.predict(test_X, num_iteration=my_model.best_iteration)
# 9.对模型的预测结果进行评判（平均绝对误差）
print("Mean Absolute Error : " + str(mean_absolute_error(predictions, test_y)))
<2>基于Scikit-learn接口的回归
import pandas as pd
from sklearn.model_selection import train_test_split # 划分训练集和测试集
import lightgbm as lgb
from sklearn.metrics import mean_absolute_error 
from sklearn.preprocessing import Imputer
# 1.读文件
data = pd.read_csv('./dataset/train.csv')
# 2.切分数据输入：特征 输出：预测目标变量
y = data.SalePrice
X = data.drop(['SalePrice'], axis=1).select_dtypes(exclude=['object'])
# 3.切分训练集、测试集,切分比例7.5 : 2.5
train_X, test_X, train_y, test_y = train_test_split(X.values, y.values, test_size=0.25)
# 4.空值处理，默认方法：使用特征列的平均值进行填充
my_imputer = Imputer()
train_X = my_imputer.fit_transform(train_X)
test_X = my_imputer.transform(test_X)
# 5.调用LightGBM模型，使用训练集数据进行训练（拟合）
# Add verbosity=2 to print messages while running boosting
my_model = lgb.LGBMRegressor(objective='regression', num_leaves=31, learning_rate=0.05, n_estimators=20,
                             verbosity=2)
my_model.fit(train_X, train_y, verbose=False)
# 6.使用模型对测试集数据进行预测
predictions = my_model.predict(test_X)
# 7.对模型的预测结果进行评判（平均绝对误差）
print("Mean Absolute Error : " + str(mean_absolute_error(predictions, test_y)))
4/LightGBM调参
在上一部分中，LightGBM模型的参数有一部分进行了简单的设置，但大都使用了模型的默认参数，但默认参数并不是最好的。要想让LightGBM表现的更好，需要对LightGBM模型进行参数微调。下图展示的是回归模型需要调节的参数，分类模型需要调节的参数与此类似。
5/场景之银行预测贷款客户是否会违约