1.Matlab实现PSO-LightGBM粒子群优化轻量级梯度提升机分类预测，附带未优化模型，可以作为对比实验(完整源码和数据)

2.优化参数为叶子节点数 学习率 树的深度;

3.直接替换数据即可使用，保证程序可正常运行；

4.程序语言为matlab，程序可出分类效果图，迭代优化图，混淆矩阵图，评价指标含Precision、Recal、F1 Score、Kappa1 Score；

运行主程序mian即可，运行环境matlab2020b及以上；

5.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。

（Light Gradient Boosting Machine）是一款基于决策树算法的分布式梯度提升框架。为了满足工业界缩短模型计算时间的需求，LightGBM的设计思路主要是两点：减小数据对内存的使用，保证单个机器在不牺牲速度的情况下，尽可能地用上更多的数据；减小通信的代价，提升多机并行时的效率，实现在计算上的线性加速。

优化模型效果

不添加优化效果