lightgbm使用-lgb.Dataset()

'''
lightgbm.Dataset(data, label=None, reference=None, weight=None, group=None, init_score=None, feature_name='auto', categorical_feature='auto', params=None, free_raw_data=True)
'''
'''
返回适用于lightgbm模型的数据结构。好像是二进制啥的
其中：
    data:         np数组或df
    label:        np数组或df
    reference     官方解释：如果这是用于验证的数据集，则应使用训练数据作为参考。
                            不知道啥意思，我看人们都不管
    group:        list:指定分组的个数，如[10,20,30],则前10个为一组，11-30个为一组，
                       31-60个为一组
                  但是只在learning-to-rank任务中用到，一般的分类和回归不用这个参数。
    init_score    关于算法中的初始得分，自定义损失函数时可以用到，具体怎么用(算)忘记了。
                一般用不到
    feature_name 指定特征名称，一般是自动的，
                但你如果非要对特征命名，要用list of str，且长度和列数一样才行
    categorical_feature 指定分类特征的名称，默认自动，且对分类特征采用无序规则：
即如果分类特征是'高中'、'大学'、'小学'，lgbm不会按照递进关系对分类字段进行编码。
且：分类特征在输入前需要先转换成整型。因该是为了后面的自动独热编码吧。
而且，一般特征集中有分类特征时，都要用到这个。且在lgb.Dataset与lgb.trian中都指定，
这是最好的。
'''
#重要参数：data、label、feature_name、categorical_feature
#有时还有个silent参数：silent 默认选择True，选择False会输出很多建模中的细节，作用不大还刷屏

简单的使用流程：

1.定义数据集和标签，这里定义为二分类问题，注意feature和label的类型，并不要求同类型。满足库的要求即可。 

虽然feature是array数组，但是也可以指定特征名称。这里指定第五例特征是分类特征。

#lgb.Dataset和lgb.train其中一个指定分类特征也行

lgb.train的参数明天再补 cout<<"睡觉"<<endl;

        bst = lgb.train(params_initial, train_part, num_boost_round=NBR,
                        valid_sets=[train_part, eval],
                        valid_names=['train', 'valid'],
                        early_stopping_rounds=ESR, verbose_eval=VBE)
'''
一般这样就够用了,参数含义顾名思义。
params_initial参数初始设置：具体大概如下
    params_initial = {

        'num_leaves': 31,
        'learning_rate': 0.1,
        'boosting': 'gbdt',
        'min_child_samples': 20,
        'bagging_seed': 2020,
        'bagging_fraction': 0.7,
        'bagging_freq': 1,
        'feature_fraction': 0.7,
        'max_depth': -1,
        'metric': 'rmse',
        'reg_alpha': 0,
        'reg_lambda': 1,
        'objective': 'regression'
    }
train_part lgb.Dataset后的结果
verbose_eval是指多少轮迭代输出一次训练信息
num_boost_round 迭代提升次数，也相当于评估器个数。
一般设置大的数，然后使用early_stopping_rounds。避免过拟合。
'''