OptGBM是一款创新的数据科学工具，它巧妙地融合了自动机器学习库Optuna和高效轻量级决策树框架LightGBM的优势。通过优化模型超参数，OptGBM在速度和准确性上均表现出色，为用户带来更加便捷高效的建模体验。
OptGBM 是一个 scikit-learn 兼容的估算器，它使用 Optuna 来调整 LightGBM 中的超参数。例如：
```python
import optgbm as lgb
from sklearn.datasets import load_boston
reg = lgb.LGBMRegressor(random_state=0)
X, y = load_boston(return_X_y=True)
reg.fit(X, y)
y_pred = reg.predict(X) # 注意：此处的 predict 方法调用没有传递多余的参数 y，应该是仅使用 X。
```
默认情况下，OptGBM 将搜索以下超参数：
- bagging_fraction
- bagging_freq
- feature_fraction
- lambda_l1
- lambda_l2
- max_depth
- min_data_in_leaf
5星
