學習內容：

        lightgbm, pca, clustering, k-means

關鍵詞：

        聚類，降維

LightGBM：

        LightGBM（Light Gradient Boosting Machine）是微軟開發基於決策樹演算法的分散式梯度提升框架．支援高效率並行運算，低記憶體消耗，高準確率分散式支援．

         LightGBM優化：

            基於Histogram的決策樹演算法，僅需要儲存離散化後的數值，不需要原始特徵值無需排序，相對於xgboost的exact演算法，記憶體佔用量為xgboost的１/8．同時，對每個個正計算增益點的次數減少，次數為bin次．帶有深度限制的leaf-wise演算法（leaf-wise高精度，容易過擬合，level-wise低效，易進行多執行緒工作）．LightGBM可以直接支援類別特徵

        LightGBM使用：

             imort lightgbm as lgb 或者from sklearn import lgb.sklearn.LGBMClassifier

第一步構造dataset:

第二步進行訓練：

第三部進行評價：