4. LightGBM 快速入门：核心参数与二分类模型实战

在深入 SHAP 值解读之前，必须先掌握 LightGBM 的基本用法。本章将聚焦于 LightGBM 的核心参数体系，并带领你从零训练一个可用于后续 SHAP 分析的二分类模型。理解这些参数是后续调优和解读模型行为的基础。

4.1 LightGBM 核心参数速览

LightGBM 的参数体系可分为三大类：核心参数、学习控制参数和输入输出参数。对于二分类任务，以下参数最为关键：

4.2 训练一个简单的二分类模型

下面我们使用 LightGBM 的原生接口训练一个二分类模型。数据集采用经典的 UCI 信用卡违约数据（示例中仅展示结构，实际使用时请替换为真实数据路径）。

4.2.1 数据准备与参数配置

import lightgbm as lgb
import pandas as pd
from sklearn.model_selection import train_test_split

# 加载示例数据（假设已预处理）
df = pd.read_csv('credit_card_default.csv')
X = df.drop('default', axis=1)
y = df['default']

# 划分训练集和验证集
X_train, X_val, y_train, y_val = train_test_split(
    X, y, test_size=0.2, random_state=42, stratify=y
)

# 构建 LightGBM 数据集
train_data = lgb.Dataset(X_train, label=y_train)
val_data = lgb.Dataset(X_val, label=y_val, reference=train_data)

# 核心参数配置
params = {
    'objective': 'binary',
    'metric': 'binary_logloss',
    'boosting_type': 'gbdt',
    'num_leaves': 31,
    'learning_rate': 0.05,
    'feature_fraction': 0.8,
    'bagging_fraction': 0.8,
    'bagging_freq': 5,
    'min_data_in_leaf': 20,
    'lambda_l1': 0.1,
    'lambda_l2': 0.1,
    'verbose': -1,  # 关闭训练过程日志
    'seed': 42
}

4.2.2 模型训练与早停

# 训练模型，使用 early_stopping 防止过拟合
model = lgb.train(
    params,
    train_data,
    valid_sets=[val_data],
    num_boost_round=1000,
    callbacks=[lgb.early_stopping(50), lgb.log_evaluation(100)]
)

# 查看最佳迭代次数
print(f"最佳迭代轮数: {model.best_iteration}")

# 预测概率
y_pred_proba = model.predict(X_val, num_iteration=model.best_iteration)
y_pred = (y_pred_proba > 0.5).astype(int)

4.3 LightGBM 训练流程架构

下图展示了从原始数据到可解释模型的完整训练流程，其中标注了关键参数的作用位置：

4.4 模型保存与加载

训练完成后，保存模型以便后续进行 SHAP 值计算和部署：

# 保存模型
model.save_model('lgb_binary_model.txt')

# 加载模型
loaded_model = lgb.Booster(model_file='lgb_binary_model.txt')

# 验证加载的模型与原始模型预测一致
import numpy as np
pred_original = model.predict(X_val[:5], num_iteration=model.best_iteration)
pred_loaded = loaded_model.predict(X_val[:5], num_iteration=loaded_model.best_iteration)
print(f"预测一致: {np.allclose(pred_original, pred_loaded)}")