Dataset： 由lightgbm 内部使用的数据结构，它存储了数据集。

class lightgbm.Dataset(data, label=None, max_bin=None, reference=None, weight=None,    group=None, init_score=None, silent=False, feature_name='auto',    categorical_feature='auto', params=None, free_raw_data=True)

• 参数：
  • data： 一个字符串、numpy array 或者 scipy.parse， 它指定了数据源。 如果是字符串，则表示数据源文件的文件名。
  • label： 一个列表、1维的numpy array 或者None， 它指定了样本标记。默认为None。
  • max_bin： 一个整数或者None， 指定每个特征的最大分桶数量。默认为None。 如果为None，则从配置文件中读取。
  • reference： 一个Dataset 或者 None。 默认为None。 如果当前构建的数据集用于验证集，则reference 必须传入训练集。否则会报告has different bin mappers。
  • weight： 一个列表、1维的numpy array 或者None， 它指定了样本的权重。默认为None。
  • group： 一个列表、1维的numpy array 或者None， 它指定了数据集的group/query size。默认为None。
  • init_score： 一个列表、1维的numpy array 或者None， 它指定了Booster的初始score 。默认为None。
  • silent： 一个布尔值，指示是否在构建过程中输出信息。默认为False
  • feature_name： 一个字符串列表或者'auto'，它指定了特征的名字。默认为'auto'
    • 如果数据源为pandas DataFrame 并且feature_name='auto'，则使用DataFrame 的 column names
  • categorical_feature： 一个字符串列表、整数列表、或者'auto'。它指定了categorical 特征。默认为'auto'
    • 如果是整数列表，则给定了categorical 特征的下标
    • 如果是字符串列表，在给定了categorical 特征的名字。此时必须设定feature_name 参数。
    • 如果是'auto' 并且数据源为pandas DataFrame，则DataFrame 的 categorical 列将作为categorical 特征
  • params： 一个字典或者None，指定了其它的参数。默认为None
  • free_raw_data： 一个布尔值，指定是否在创建完Dataset 之后释放原始的数据。默认为True 调用Dataset() 之后，并没有构建完Dataset。 构建完需要等到构造一个Booster 的时候。