• num_leaves：控制了叶节点的数目。它是控制树模型复杂度的主要参数。

  如果是level-wise， 则该参数为 ，其中 为树的深度。

  但是当叶子数量相同时，leaf-wise 的树要远远深过level-wise 树，非常容易导致过拟合。因此应该让 num_leaves 小于

• min_data_in_leaf： 每个叶节点的最少样本数量。它是处理 树的过拟合的重要参数。

  将它设为较大的值，可以避免生成一个过深的树。但是也可能导致欠拟合。

• max_depth： 控制了树的最大深度。

针对更快的训练速度：

• 通过设置 bagging_fraction 和 bagging_freq 参数来使用 bagging 方法
• 通过设置 feature_fraction 参数来使用特征的子抽样
• 使用 save_binary 在未来的学习过程对数据加载进行加速

获取更好的准确率：

• 使用较大的 max_bin （学习速度可能变慢）
• 使用较小的 learning_rate 和较大的 num_iterations
• 使用较大的 num_leaves （可能导致过拟合）
• 使用更大的训练数据
• 尝试