第十节：LightGBM——面向大规模力学数据的高效预测课程摘要本节承接XGBoost，学习LightGBM的直方图算法、叶子优先生长、GOSS采样与模型约束方法。课程沿用上一节的悬臂梁数据，通过训练集、验证集和测试集完成端部挠度预测，并绘制学习曲线、预测对比、特征重要性和残差图。学习者将理解LightGBM为什么适合大规模仿真数据，同时认识“计算速度快”不等于“所有工况都可靠”，建立兼顾精度、效率与物理合理性的模型评价方法。一、本节学习目标完成本节后，你将能够：理解LightGBM与传统GBM、XGBoost之间的联系；理解连续特征的直方图离散化方法；区分层次生长与叶子优先生长；了解GOSS梯度单边采样的基本思想；使用LGBMRegressor预测力学响应；使用验证集和早停控制模型复杂度；绘制学习曲线、预测图、特征重要性图和残差图；正确评价LightGBM在力学代理建模中的适用范围。二、为什么还要学习LightGBM？假设我们已经完成了大量有限元参数化计算：100种几何尺寸；20种材料参数
