1. 从 LGBMModel 转换到Booster：通过.booster_ 属性来获取底层的Booster。 源码： @propertydef booster_(self):    """Get the underlying lightgbm Booster of this model."""    if self._Booster is None:      raise LGBMNotFittedError('No booster found. Need to call fit beforehand.')      return self._Booster
   • 用途：当使用scikit-learn API 学习到一个模型之后，需要保存模型。则需要先转换成Booster 对象，再调用其.save_model() 方法。

2. 使用 Booster 来预测分类的概率：

• 因为Booster 仅仅提供了predict 接口，而未提供predict_proba 接口。因此需要使用这种转换
• 在LGBMClassifier 的 predict_proba 方法中的源码： class_probs = self.booster_.predict(X, raw_score=raw_score, num_iteration=num_iteration)if self._n_classes > 2:return class_probselse:return np.vstack((1. - class_probs, class_probs)).transpose()