2. lightgbm.cv() 函数执行交叉验证训练。

lightgbm.cv(params, train_set, num_boost_round=10, folds=None, nfold=5,    stratified=True, shuffle=True, metrics=None, fobj=None, feval=None,    init_model=None, feature_name='auto', categorical_feature='auto',     early_stopping_rounds=None, fpreproc=None, verbose_eval=None, show_stdv=True,    seed=0, callbacks=None)

参数：

• params： 一个字典，给出了训练参数
• train_set： 一个Dataset对象，给出了训练集
• num_boost_round：一个整数，给出了boosting iteration 的次数。默认为10
• folds：一个生成器、一个迭代器、或者None。 如果是生成器或者迭代器，则其迭代结果为元组：(训练部分样本下标列表,测试部分样本下标列表)，分别给出了每个fold 的训练部分和测试部分的下标。默认为None。 该参数比其它的拆分参数优先级更高。
• nfold：一个整数，指定了CV 的数量。默认为5 。
• stratified：一个布尔值，指示是否进行分层拆分。默认为True 。
• shuffle：一个布尔值，指示是否在拆分之前先混洗数据。默认为True 。
• metrics：一个字符串、字符串列表、或者None。 指定在CV 过程中的evaluation metric 。默认为None。 如果非None，则它会覆盖params 的metric 参数。
• fobj：参考lightgbm.train()
• feval：参考lightgbm.train()
• init_model：参考lightgbm.train()
• feature_name： 参考lightgbm.train()
• categorical_feature：参考lightgbm.train()
• early_stopping_rounds：一个整数或者None，表示CV error在连续多少轮未改善之后就早停。默认为None 在返回的evaluation history 中，最后一项就是最佳迭代时的结果（而不是最后一次迭代时的结果）。
• fpreproc：一个可调用对象或者None，默认为None 。 它是一个预处理函数，在训练开始之前进行。 它的参数为(dtrain,dtest,params)， 返回值是经过处理之后的(dtrain,dtest,params)
• verbose_eval：参考lightgbm.train()
• show_stdv：一个布尔值，指示是否在训练过程中展示标准差信息。默认为True。 注意：返回结果中始终包含标准差信息，与该参数无关。
• seed：一个整数，给出了生成fold 的随机数种子。默认为0
• callbacks：参考lightgbm.train()

返回值：evaluation history， 它是一个字典，格式为：

{    'metric1-mean': [values], 'metric1-stdv': [values],     'metric2-mean': [values], 'metric2-stdv': [values],    ...}