LGBMRegressor 参数解释

LGBMRegressor() 是一种基于梯度提升决策树（Gradient Boosting Decision Tree）算法的机器学习模型，用于回归问题。它的参数解释如下：

1. boosting_type：提升类型，可以是 'gbdt' 或 'dart'，默认为 'gbdt'。
2. num_leaves：叶子节点的数量，通常为 2 的幂次方，控制模型的复杂度，默认为 31。
3. max_depth：决策树最大深度，控制模型的复杂度，默认为 -1，表示没有限制。
4. learning_rate：学习率，控制每次迭代的步长，默认为 0.1。
5. n_estimators：迭代次数，即决策树的数量，默认为 100。
6. subsample_for_bin：构建直方图时的样本数量，默认为 200000。
7. objective：优化目标，可以是 'regression' 或 'l2'，默认为 'regression'。
8. class_weight：类别权重，用于解决样本不均衡问题，默认为 None。
9. min_split_gain：节点分裂的最小收益，默认为 0。
10. min_child_weight：叶子节点最小样本数，默认为 20。
11. min_child_samples：叶子节点最小实例数，默认为 100。
12. subsample：随机采样比例，控制每棵决策树的样本数量，默认为 1。
13. subsample_freq：子采样频率，控制每次迭代时随机采样的频率，默认为 0。
14. colsample_bytree：随机采样特征的比例，默认为 1。
15. reg_alpha：L1 正则化系数，默认为 0。
16. reg_lambda：L2 正则化系数，默认为 0。
17. random_state：随机种子，用于重现实验结果，默认为 None。
18. n_jobs：并行处理的数量，默认为 -1，表示使用所有的 CPU。
19. silent：是否禁止输出日志信息，默认为 False