老规矩这篇文章讲的什么先列出来，如果觉得自己都了解，就不要在这里浪费时间，研究别的技术，如果。（我只有一个要求禁止转载，发文章是为了让大家学习，最讨厌抄的满网都是，你可以不喜欢吃这个蛋糕但请你不要弄脏它）本文是持续更新的，我会慢慢的看，然后慢慢的写，也就是看到哪写到哪
API解读
简单的来说，LightGBM是一个基于决策树学习算法的梯度增强框架，它的优点有：
- 拥有更快的训练速度和更高效率
- 低内存使用
- 更好的准确率
- 支持并行学习和GPU学习
- 能够处理大规模的数据
不废话先给个API地址：https://lightgbm.readthedocs.io/en/latest/
顺便说下我的环境，我用的python3 IDE是Pycharm
API解读
这里我们也不过多的废话，直接进入API，我们用的是Python所以我就看的Python API。
Dataset(data, label=None, reference=None, weight=None, group=None, init_score=None, silent=False, feature_name=‘auto’, categorical_feature=‘auto’, params=None, free_raw_data=True)
| 参数 | 含义 |
|---|---|
| data | 传入的数据类型 |
| label | 数据标签，根据标签的数据类型可将这个参数的值设置成one-column DataFrame or None, optional (default=None) |
| reference | 可以设置 Dataset or None, optional (default=None)，如果这个数据集是用于验证那么要用训练的数据集 |
| weight | 每个实力的权重 |
| group | 分组或者查询数据块的大小 |
| init_score | 数据集的初始值 |
| silent | 是否在构建期间打印信息 |
| feature_name | 特征值的名字 |
| categorical_feature | 分类特征。如果列表中有int，则解释为索引。如果字符串列表，解释为特性名称(也需要指定feature_name)。如果“auto”和数据是panda DataFrame，则使用panda无序分类列。所有类别特征值应小于int32 max值(2147483647)。大的值可能会消耗内存。考虑使用从零开始的连续整数。所有类别特征中的负值将被视为缺失值。相对于一个范畴特征，输出不可能是单调约束的。 |
| params | 其他数据集的参数 |
| free_raw_data | 如果为真，则在构造内部数据集之后释放原始数据 |
一般情况下我们都是不会去更改这个参数的，除非你真的很清楚里面每个参数都是干什么的。我们在使用的时候一般就是如下这样的操作
import lightgbm as lgb
#这里的Xtrain（要训练的数据集），Ztrain（目标值的数据集）
train_set = lgb.Dataset(Xtrain, Ztrain, silent=False)
#同理 xval（验证的数据集），Zval（验证数据集的目标值）
valid_set = lgb.Dataset(Xval, Zval, silent=False)
其实很好理解就是把一个累的参数进行初始化，然后封装到一个Dataset对象之中
train(params, train_set, num_boost_round=100, valid_sets=None, valid_names=None, fobj=None, feval=None, init_model=None, feature_name=‘auto’, categorical_feature=‘auto’, early_stopping_rounds=None, evals_result=None, verbose_eval=True, learning_rates=None, keep_training_booster=False, callbacks=None)
这是LightGBM自带的一个训练方法
| 参数 | 含义 |
|---|---|
| params | 训练用的相关参数 |
| train_set | 需要训练的数据集 |
| num_boost_round | 增强迭代的次数 |
| valid_sets | 验证数据集，也就是目标值数据集 |
| valid_names | vaild_sets数据集的名字（我也不知道干啥的） |
| fobj | 定制目标函数。它是需要接收两个参数的，一个是预测的值（preds），一个是训练的数据集（train_data）。它的返回值也是两个，一个是每个样本的一阶导数（grad），一个是每个样本的二阶导数（hess） |
| feval | 定制评估函数。它的入参与fobj一样（preds，train_data）。它的返回值有所不同，它的返回值有三个，一个是评估函数的名字(eval_name)，一个是评估值(eval_result)，最后一个是这个评估函数是否很好(is_higher_better)，也就是eval_result越高越好 |
| init_model | 用于持续训练的LightGBM名或者是增强实例名 |
| feature_name | 特征值的名字，如果是’auto’并且数据是pandas的Dataframe类型，那么这个数据的名就会被使用 |
| categorical_feature | 分类特征，这里不再赘述，之前讲过了 |
| early_stopping_rounds | 有多少次分数没有提高则停止 |
| evals_result | 评价结果 |
| verbose_eval | 迭代多少次打印 |
| learning_rates | 每个提升回合的学习率列表或learning_rate 根据当前回合数计算的自定义函数（例如，产生学习率衰减） |
| keep_training_booster | 是否使用返回的Booster进行训练 |
| callbacks | 在每次迭代中应用的回调函数的列表 |
