4. 环境搭建与数据准备：Python环境配置、LightGBM安装、导入必要的库

在开始风险定价模型的训练集切分与LightGBM实战之前，必须搭建一个稳定、可复现的Python开发环境。本章将引导你完成从零开始的配置流程，包括Python虚拟环境创建、LightGBM安装以及核心数据分析与机器学习库的导入。一个干净的环境能有效避免包版本冲突，确保后续实验结果的可靠性。

4.1 Python环境配置

推荐使用Python 3.8及以上版本，并利用venv或conda创建独立的虚拟环境。以下是基于venv的标准配置步骤：

1. 创建虚拟环境：在项目根目录下执行 python -m venv risk_pricing_env。
2. 激活环境：
   • Windows: risk_pricing_env\Scripts\activate
   • macOS/Linux: source risk_pricing_env/bin/activate
3. 升级pip：pip install --upgrade pip，确保安装工具为最新版本。

4.2 LightGBM安装

LightGBM是一个基于梯度提升决策树（GBDT）的高效框架，在风险定价场景中因其训练速度快、内存占用低而广受欢迎。安装方式根据操作系统略有差异：

4.3 导入必要的库

在Python脚本或Jupyter Notebook的开头，按以下顺序导入核心库。这种分组方式有助于代码维护和可读性：

# 1. 数据处理与计算
import pandas as pd
import numpy as np

# 2. 机器学习与模型评估
from sklearn.model_selection import train_test_split, StratifiedKFold
from sklearn.metrics import mean_squared_error, mean_absolute_error, r2_score

# 3. LightGBM模型
import lightgbm as lgb

# 4. 可视化（可选）
import matplotlib.pyplot as plt
import seaborn as sns

# 5. 警告过滤（保持输出整洁）
import warnings
warnings.filterwarnings('ignore')

print("所有库导入成功！")
print(f"LightGBM版本: {lgb.__version__}")
print(f"Pandas版本: {pd.__version__}")
print(f"NumPy版本: {np.__version__}")

4.4 环境验证与数据准备流程

完成安装后，建议执行一次快速验证，确保所有组件能够协同工作。下图展示了从环境搭建到数据切分的完整流程：

4.5 快速验证脚本

将以下代码保存为 check_env.py，运行后若输出“环境验证通过”则表示配置成功：

import pandas as pd
import numpy as np
import lightgbm as lgb
from sklearn.datasets import make_regression

# 生成模拟风险定价数据
X, y = make_regression(n_samples=1000, n_features=10, noise=0.1, random_state=42)

# 切分数据集
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 转换为LightGBM Dataset格式
lgb_train = lgb.Dataset(X_train, y_train)
lgb_test = lgb.Dataset(X_test, y_test, reference=lgb_train)

# 设置参数并训练
params = {
    'objective': 'regression',
    'metric': 'rmse',
    'boosting_type': 'gbdt',
    'num_leaves': 31,
    'learning_rate': 0.05,
    'verbose': -1
}
model = lgb.train(params, lgb_train, valid_sets=[lgb_test], num_boost_round=100)

print("✅ 环境验证通过！LightGBM 模型训练成功。")
print(f"训练集样本数: {len(X_train)}, 测试集样本数: {len(X_test)}")

4.6 数据准备清单

在进入训练集切分之前，请对照以下清单确认数据准备就绪：