时间序列预测 | LightGBM时间序列预测建模，单步、多步（Python）

LightGMB回归

（1）参数解读

LightGBM 可以处理分类和回归任务，大多数参数在这两种任务之间是通用的，但也有一些参数是特定于任务类型的。下面是这两种任务在参数设置方面的异同：

（a）相同之处：

核心参数：如 boosting_type、num_boost_round、learning_rate 等。

学习控制参数：这些控制决策树的结构和拟合方式。例如，max_depth, num_leaves, min_data_in_leaf, feature_fraction, bagging_fraction, lambda_l1, lambda_l2 等。

IO 参数：控制输入输出的参数，如 max_bin 和 min_data_in_bin。

其他参数：如 verbosity, boost_from_average 等。

（b）不同之处：

目标函数 (objective 或 application 参数)：

分类：可以选择 binary（二分类）或者 multiclass（多分类）。对于多分类还有一个参数 num_class 来指定类别数。

回归：通常选择 regression。还有其他的回归目标如 regression_l1，huber&#x