7、Python 中 LightGBM 概述与实践

Python 中 LightGBM 概述与实践

1. LightGBM 性能优势

运行特定代码可生成一个 LightGBM GBDT 树，其 F1 分数约为 0.917，这与随机森林和 Extra - Trees 算法的得分相当。但 LightGBM 在达到这些准确率时速度显著更快。在特定硬件上，LightGBM 仅用 37 秒就完成了训练，比在相同问题和硬件上运行 Extra - Trees 快 4.5 倍，比 scikit - learn 的 GradientBoostingClassifier 快 60 - 70 倍。

2. LightGBM 的 scikit - learn API

scikit - learn 的 Python API 为 LightGBM 提供了四个类：LGBMModel、LGBMClassifier、LGBMRegressor 和 LGBMRanker。这些类提供了与 LightGBM Python API 相同的功能，同时具备我们之前使用过的方便的 scikit - learn 接口，并且与 scikit - learn 生态系统的其他部分兼容且可互操作。

以下是使用 scikit - learn API 复制之前示例的步骤：
1. 加载数据集 ：

import datasets
from sklearn.model_selection import train_test_split

dataset = datasets.fetch_covtype()
X_train, X_test, y_tr