包索引 • lightgbm - LightGBM 框架

数据集 R包中包含的数据集
`agaricus.train`	蘑菇数据集的训练部分
`agaricus.test`	蘑菇数据集的测试部分
`bank`	银行营销数据集
数据输入 / 输出 LightGBM所需的数据输入/输出
`dim(<lgb.Dataset>)`	`lgb.Dataset` 的维度
`dimnames(<lgb.Dataset>)` `dimnames<-`(<lgb.Dataset>)	处理 `lgb.Dataset` 的列名
`get_field()`	获取 `lgb.Dataset` 的一个属性
`set_field()`	设置 `lgb.Dataset` 对象的一个属性
`lgb.Dataset()`	构造 `lgb.Dataset` 对象
`lgb.Dataset.construct()`	显式构造数据集
`lgb.Dataset.create.valid()`	构造验证数据
`lgb.Dataset.save()`	将 `lgb.Dataset` 保存到二进制文件
`lgb.Dataset.set.categorical()`	设置 `lgb.Dataset` 的类别特征
`lgb.Dataset.set.reference()`	设置 `lgb.Dataset` 的引用
`lgb.convert_with_rules()`	带有规则（整数）的 LightGBM 数据集的预处理器
`lgb.slice.Dataset()`	切片数据集
机器学习使用 LightGBM 训练模型，然后用它们对新数据进行预测
`lightgbm()`	训练 LightGBM 模型
`lgb.train()`	LightGBM 的主要训练逻辑
`predict(<lgb.Booster>)`	LightGBM 模型的预测方法
`lgb.cv()`	LightGBM 的主要交叉验证逻辑
`lgb.configure_fast_predict()`	配置快速单行预测
保存 / 加载模型保存和加载 LightGBM 模型
`lgb.dump()`	将 LightGBM 模型转储为 json
`lgb.save()`	保存 LightGBM 模型
`lgb.load()`	加载 LightGBM 模型
`lgb.model.dt.tree()`	解析 LightGBM 模型 json 转储
`lgb.drop_serialized()`	丢弃 LightGBM 模型对象中的序列化原始字节
`lgb.make_serializable()`	通过保留原始字节使 LightGBM 对象可序列化
`lgb.restore_handle()`	恢复反序列化 LightGBM 模型的 C++ 组件
模型解释分析您的模型
`lgb.get.eval.result()`	从 booster 获取评估记录结果
`lgb.importance()`	计算模型中的特征重要性
`lgb.interprete()`	计算预测的特征贡献
`lgb.plot.importance()`	将特征重要性绘制为条形图
`lgb.plot.interpretation()`	将特征贡献绘制为条形图
`print(<lgb.Booster>)`	LightGBM 模型的打印方法
`summary(<lgb.Booster>)`	LightGBM 模型的摘要方法
多线程控制管理 LightGBM 使用的并行度
`getLGBMthreads()`	获取 LightGBM 使用的默认线程数
`setLGBMthreads()`	设置 LightGBM 使用的最大线程数

参考

数据集

数据输入 / 输出

机器学习

保存 / 加载模型

模型解释

多线程控制