信用卡使用意图预测：LightGBM模型训练与测试

该代码使用LightGBM模型对信用卡使用意图进行预测。首先定义了一个LGBMClassifier对象'lg'，然后设置了参数'params'，包括'boosting_type'、'max_depth'、'learning_rate'和'n_estimators'。接着使用RandomizedSearchCV对'lg'进行随机搜索，搜索参数为'params'，'cv=5'表示使用5折交叉验证，'scoring='roc_auc''表示使用ROC曲线下面积作为评价指标，'n_iter=10'表示进行10次搜索，'n_jobs=-1'表示使用所有可用的CPU进行并行计算。搜索完成后，输出最佳参数'rscv.best_params_'，并将最佳参数应用于LGBMClassifier对象'lg'。然后使用训练数据'x_train'和'y_train'对'lg'进行训练，并使用'predict'和'predict_proba'方法对训练数据进行预测，计算ROC曲线下面积和分类报告，并输出混淆矩阵。最后使用测试数据'x_test'和'y_test'对'lg'进行测试，并输出测试结果。