lightgbm 默认使用NaN 来表示缺失值。你可以设置zero_as_missing 参数来改变其行为：

• zero_as_missing=True 时：NaN 和 0 （包括在稀疏矩阵里，没有显示的值） 都视作缺失值。
• zero_as_missing=False 时：只有NaN 才是缺失值（默认的行为）

当使用local categorical 特征（而不是one-hot 编码的特征）时，lightgbm 可以提供良好的精确度。

要想使用categorical 特征，则启用categorical_feature 参数（参数值为列名字符串或者列名字符串的列表）

• 首先要将categorical 特征的取值转换为非负整数，而且如果是连续的范围更好
• 然后使用min_data_per_group 和 cat_smooth 去处理过拟合（当样本数较小，或者category 取值范围较大时）

使用max_position 设置 NDCG 优化的位置

lightgbm 已经提供了以下并行学习算法：

这些并行算法适用于不同场景：

构建并行版本：

默认的并行版本基于socket 的并行学习，如果需要基于MPI 的并行版本，则需要手动编译

• 首先收集所有想要运行并行学习的机器的IP，并指定一个TCP 端口号（要求在这些机器上，这些端口没有被防火墙屏蔽掉）。

  其中要求：

  • 数量必须和num_machines 或者num_machine 参数相等
  • 必须包含127.0.0.1 （或者包含 对应的其它ip)，它代表本地
  • port 必须和local_listen_port 或者local_port 参数相等

• 然后在配置文件中编译以下参数：

  tree_learner= 你的并行算法
  num_machines= 并行计算的机器的数量
  machine_list_file=ip.txt #要求每个并行计算的机器占一行
  local_listen_port=port

• 然后将数据文件、可执行文件、配置文件、以及ip.txt 拷贝到所有并行学习的机器上。

• 在所有机器上运行以下命令：

  • windows： lightgbm.exe config=配置文件
  • Linux: ./lightgbm config=配置文件

并行学习的注意事项：

• 当前Python 版本不支持并行，必须采用lightgbm 二进制的方式。

• • 必须都包含label 列。推断时，该列的数值不起作用，仅仅是个占位符。
  • 如果有 ，则列的先后顺序不重要。如果没有header，则必须顺序也要保持相同。