除了熵权法（EntropyWeightMethod,EWM）以外，还有许多其他方法可以用来优化LightGBM（LGBM）模型。以下是一些常见的优化方法：1.网格搜索（GridSearch）网格搜索是通过穷举法搜索超参数空间的所有可能组合，找到最优的超参数配置。虽然这种方法计算开销较大，但可以确保找到全局最优解

 特征相关性矩阵，实验的基础结论1：对于lgb，特征相关性越高，损失肯定越低 结论2：对于lgb，特征相关性正负作用是相同的，相关性=+0.76和相关性=-0.76完全相同 结论三：看红色文字，lgb有能力发现非线性特征的作用  结论四：x6和y的相关性最高，x2最低。但x2和x6的相关性是最低的

目录一、简介二、优缺点三、样例代码四、总结一、简介LightGBM（LightGradientBoostingMachine）是一种基于梯度提升（GradientBoosting）算法的机器学习模型。它是由微软团队于2017年开发的，旨在解决大规模数据下的效率和准确性问题。LightGBM的原理如下：基于梯度提升：Ligh

文章目录学习过程赛题介绍评价方式理解赛题理解排序模型读取排序特征转化类型返回排序后的结果排序结果归一化LGB排序模型定义特征列排序模型分组排序模型定义排序模型训练lgb_ranker模型预测lgb_ranker预测结果重新排序及生成提交结果lgb_ranker五折交叉验证lgb_ranker