type
Post
status
Published
date
Apr 17, 2026
slug
python005
summary
tags
python
category
python
icon
password
example-row
LightGBM推理训练完成后会生成
lightgbm_model.txt 、category_encoder.pkl 、feature_meta.json 文件。这三个文件是 LightGBM 模型训练的标准产物,推理时必须同时加载。1.
lightgbm_model.txt - LightGBM 模型文件- 用途:保存训练好的 LightGBM 模型参数和结构。
- 内容:决策树的结构、叶子节点的权重、超参数等。
- 使用:
lgb.Booster(model_file=...)加载模型后可以调用 predict() 进行推理。
2.
category_encoder.pkl - 类别编码器- 用途:将类别特征(如"上海市"、"个人客户")转换为数值编码。
- 内容:训练时学习的类别到数值的映射关系。
- 使用:推理时用
encoder.transform()将新的类别特征转换为模型可用的数值。
- 格式:
.pkl是 Python pickle 格式,用joblib.load()加载。
3.
feature_meta.json - 特征元数据- 用途:描述特征的结构信息。
- 内容:
num_cols:数值特征列名列表。cat_cols:类别特征列名列表。
- 使用:推理时根据这些列名拆分数值特征和类别特征。
类比:
lightgbm_model.txt:训练好的"大脑"
category_encoder.pkl:词汇表(将文字转为数字)
feature_meta.json:说明书(告诉程序哪些列是文字,哪些是数字)
推理流程:
- 作者:黄x黄
- 链接:https://hxhowl.site/article/python005
- 声明:本文采用 CC BY-NC-SA 4.0 许可协议,转载请注明出处。
相关文章

