sklearn基本回归方法

https://blog.csdn.net/u010900574/article/details/52666291

博主总结和很好，方法很实用。

python一些依赖库：

https://www.lfd.uci.edu/~gohlke/pythonlibs/

lightgbm的原理及使用简介：包含建模，训练，预测，网格参数优化。

https://blog.csdn.net/luanpeng825485697/article/details/80236759

LightGBM支持类别特征

实际上大多数机器学习工具都无法直接支持类别特征，一般需要把类别特征，转化one-hotting特征，降低了空间和时间的效率。

而类别特征的使用是在实践中很常用的。基于这个考虑，LightGBM优化了对类别特征的支持，可以直接输入类别特征，不需要额外的0/1展开。

并在决策树算法上增加了类别特征的决策规则。

　

安装:

pip install lightgbm

安装时，请求超时，可能是你网络的问题，在家里不行，在公司就能顺利安装。

使用时：

import lightgbm as lgb

gbm = lgb.LGBMRegressor(objective='regression',num_leaves=31,learning_rate=0.05,n_estimators=100)
gbm_model=gbm.fit(x_train,y_train)
predictions = gbm_model.predict(x_test)
actuals = y_test
print(mean_squared_error(actuals, predictions))