lgbm

lgbm 插件用于调用 LightGBM 库，能够高效地对 DolphinDB 进行分类和回归。具体功能包括：

快速训练：利用 LightGBM 算法对数据进行训练，生成模型。
预测：使用训练好的模型对新数据进行预测。
模型的保存与加载：可以将训练好的模型保存为文件，方便后续加载以进行预测，无需重新训练。

该插件基于 LightGBM 4.5.0 版本的 SDK 开发。

安装插件

版本要求

DolphinDB Server: 2.00.13 及更高版本，插件只支持 x86-64 Linux。

安装步骤

使用 listRemotePlugins 命令完成插件安装。
注意：仅展示当前操作系统和 server 版本支持的插件。若无预期插件，可自行编译或在 DolphinDB 用户社区进行反馈。
```
login("admin", "123456")
listRemotePlugins()
```
使用 installPlugin 命令完成插件安装。
```
installPlugin("lgbm")
```
使用 loadPlugin 命令加载插件。
```
loadPlugin("lgbm")
```

接口说明

train

语法

lgbm::train(X,Y,[numIteration=100],[params])

参数

X 是一个表，其中每一列都需要是数值类型，表示输入特征集。如果 X 中某行存在空值，则该行数据将不被用于训练。

Y 是一个数值类型向量，表示标签列。如果 Y 中出现空值，则 X 中对应行的数据将不被用于训练。

numIteration 可选参数，非负整值，表示执行一次回归训练所用的迭代次数，默认为 100。

params 可选参数，一个字典，用于配置相关参数。可配置的选项具体参考官方文档。常用参数：

objective：字符串标量，目标函数名称，默认为 'regression'。
boosting：字符串标量，目前仅支持 'gbdt'。
learning_rate：浮点数，表示学习率，默认为 0.1。
min_data_in_leaf：非负整数，表示叶子节点最少数据点个数，默认为 20。

详情

在给定数据集上对 lgbm 模型进行回归训练。

返回值：返回一个训练好的 lgbm 模型。

predict

语法

lgbm::predict(model, X)

参数

model 一个训练好的 lgbm 模型。

X 是一个表，表示输入的特征集。如果 X 中出现空值，该数据行对应的预测的结果不具备可参考性。

详情

对给定特征集进行回归预测。

返回值：一个向量。

saveModel

语法

lgbm::saveModel(model, path)

参数

model 要保存的 lgbm 模型。

path 字符串标量，表示模型文件的保存路径，格式如 "XXX/model.txt"。

详情

将模型保存为文件。

返回值：无。

loadModel

语法

lgbm::loadModel(path)

参数

path 字符串标量，模型文件的路径，格式如 "XXX/model.txt"。

详情

从文件中加载模型。

返回值：lgbm 模型。

使用示例

loadPlugin("lgbm")

// 创建训练集
x1=rand(10,100)
x2=rand(10,100)
Y=2*x1+3*x2
X=table(x1,x2)

// 设置模型参数
num_iteration=500
params = {task:"train",min_data_in_leaf:"5"}

// 模型训练
model=lgbm::train(X,Y,num_iteration,params);

// 创建测试集
x1=rand(10,10)
x2=rand(10,10)
X=table(x1,x2)
Y=2*x1+3*x2

// 模型预测
pred=lgbm::predict(model,X);

// 计算拟合率
fitGoodness = 1 - (pred - Y).sum2() / (Y - Y.avg()).sum2()

// 模型保存
path="/path/to/model.txt";
lgbm::saveModel(model, path)

//模型加载
model1=lgbm::loadModel(path);

// 使用从文件加载的模型进行预测
pred=lgbm::predict(model1, X);

// 计算拟合率
fitGoodness = 1 - (pred - Y).sum2() / (Y - Y.avg()).sum2()