LightGBM调优需先分析数据分布再设定目标函数：目标右偏时用'regression_l1'或'huber'，分类任务需关注正样本不均衡问题。
LightGBM在非线性预测任务中表现强劲，但默认参数往往不够用。调优不是盲目试参，而是围绕数据特性、目标函数和树结构逻辑层层推进。
先看数据分布，再定目标和评估
非线性任务常伴随长尾、偏态或类别不均衡。别急着调num_leaves，先用matplotlib或seaborn快速画出目标变量分布、特征缺失率、类别频次。若目标严重右偏（比如房价、点击时长），优先改用objective='regression_l1'或'huber'，比默认'regression'更鲁棒；分类任务中正样本is_unbalance=True或手动调scale_pos_weight。
核心三参数：叶子数、学习率、样本采样
这三个参数交互影响最大，建议按顺序调整：
- num_leaves：从31起步（不是63），每轮+8～16；超过64后过拟合风险陡增，尤其小样本（
-
learning_rate：初始设0.05～0.1，配合
n_estimators=1000以上；调高它要同步加大num_leaves，但别超过2×原始值 -
bagging_fraction和
feature_fraction：各设0.7～0.9，开启bagging_freq=5（每5轮重采样），能明显压过拟合，比单纯减max_depth更有效
早停 + 特征重要性驱动剪枝
训练时必加early_stopping_rounds=50，监控验证集loss。跑完后立刻看model.feature_importance()——把重要性X_train里drop掉，再重训。这步常让CV分数提升0.5～2%，比调min_data_in_leaf更稳。注意：别用gain排序后硬砍前N个，要看绝对值阈值。
立即学习“Python免费学习笔记（深入）”；
类别型特征别编码，直接喂进去
LightGBM原生支持类别特征，cat_features参数指定列名或索引即可。切忌用One-Hot或LabelEncoder预处理——会破坏分裂逻辑，还膨胀维度。尤其当某列有100+类别时，原生处理比任何人工编码都快且准。唯一要求：该列dtype为category或字符串。
基本上就这些。不复杂但容易忽略：数据先探查、三参数联动调、特征按重要性删、类别列原生喂。跑通一轮后，再考虑extra_trees或drop_rate这类进阶项。
