用途：LightGBM 是微软的梯度提升库，适用于大规模表格数据的高速机器学习，按叶生长与直方图算法使其常比 XGBoost 更快、更省内存。适合百万级行数据训练、排序与推荐（LambdaMART）、以及配合 Optuna 做超参数调优。
主要能力：支持原生类别特征（无需独热编码）、早停、特征重要性（gain）、模型保存与加载、ONNX 转换，以及 device="gpu" 的 GPU 加速。示例用法包括 import lightgbm as lgb，构建 lgb.Dataset 后用 lgb.train 训练，或用 LGBMClassifier 并配合 lgb.early_stopping() 与 lgb.log_evaluation() 回调。
使用要点：类别列应转为 pandas category dtype；用 num_leaves 控制复杂度（应小于 2^max_depth）；高基数类别不要独热编码；特征超过 100 个且行数超百万时可尝试 device="gpu"。
限制与注意：不要在用于早停的验证集上评估最终性能；列名含 [ ] : 等字符会报错，需重命名；无 OpenCL 设备时 GPU 模式失败，可改用 CPU。资料未提供价格或收费信息。