直方图叶优先回归
LightGBM回归
先把面积等连续列打进直方图桶，再每次只分裂当前损失降得最多的叶子，用较快的提升去压万元残差。
这篇能回答什么
LightGBM回归回答的是：列多、行也不少时，怎样尽快把连续结局的残差压下去，并且先看清压完之后还剩哪些口袋。它和 XGBoost 回归同属提升，但默认策略相反。连续特征先被切成有限个直方图桶，候选阈值只出现在桶边界。树按叶生长：全局找 Δℓ 最大的那一片再切一刀，而不是把同一层节点一起展开。同样的叶子预算下，树更瘦、更深，残差口袋也更容易一边极厚、一边被挖成细缝。
本教学占用把最终 |y−F| 切成三只口袋。完整个案 N=330。高残差口袋 A 70（21.21%），中间口袋 B 60（18.18%），已压住的口袋 C 200（60.61%）。注意最瘦的是 B 而不是 A：叶优先会把增益砸进「再切一刀立刻变纯」的区域，中间带往往被抽空成一条缝。C 刚过六成，是叶生长最爱加厚的一侧。Y 仍是总价(万元)。
什么时候不该用
样本只有一两百行、你更在意深度被均匀花掉，用XGBoost回归的按层策略通常更稳。只要一阶残差均值、不要直方图近似，用GBDT 回归。必须写单位斜率时回线性回归。高基数定类又懒得编码，对照CatBoost回归。标签预测走LightGBM分类，那页占用是年级档，不是残差口袋。
如何选择方法
把速度和「中间残差会不会被抽成细缝」一起权衡。直方图把分裂复杂度从「每个不同平米数」降到「每个桶」，宽评价表上往往快于精确贪心。按叶生长会优先加厚已经好切的低残差区——本例就是 C 的 ${cN} 条。若你担心中间带 B 只剩 ${bN} 套、规则碎到无法复核，应下调 num_leaves、抬高 min_data_in_leaf，或改回按层的 XGBoost。普通 GBDT 没有这套桶与叶优先默认。
LightGBM回归：直方图 + 按叶生长；占用是残差口袋，主指标 RMSE。
XGBoost回归：按层摊深度，残差上带通常不那么容易被单独挖穿。
GBDT 回归：一阶残差树基线，默认既不强调桶也不强调叶优先。
CatBoost回归：有序提升与类别统计，门店/城市列更多时更省事。
输入、输出与限制
输入
定量 Y 加特征。面积、楼龄这种高基数列走直方图；楼层取值少，桶里会挤。本页不把房屋类型当标签，只当可选特征。
因变量：1 个定量列，本练习总价(万元)。
特征：1–40 个；本练习面积、楼层、总楼层、建筑年份。
与 XGBoost 不同的旋钮：num_leaves（不是 max_depth 的别名）、直方图箱数、叶子最少样本。
输出
「LightGBM回归结果表」印残差口袋：A 70、B 60、C 200，N=330。它不列出箱边界，也不列出每片叶子的 Δℓ。旁边是损失或预测对照图。重要性来自分裂对损失的累计改进。
产品限制
有效行少于 40 拒绝。
成表删除后从全表降到 330，少掉的行不再进入直方图计数。
中间口袋只有 60 条时，min_data_in_leaf 若再小于它，叶生长会切穿这条缝。
工作台不把 num_leaves 自动换算成 XGBoost 的 max_depth。
案例
研究问题。 评价表列再多几条户型与区域，精确贪心会变慢。研究者想用直方图加速去预测总价，但必须先承认：按叶生长会优先把已经好拟合的房源再切得更纯，中间残差带可能被抽成细缝——本例 B 只剩约两成不到。
LightGBM 完整个案 330，与 XGBoost 回归教学的 292 不是同一删除集合。口袋 70 / 60 / 200。下载后：Y=总价(万元)，特征仍用面积、楼层、总楼层、建筑年份。不要把总价再切成「高中低价」三分类后误开 LightGBM分类。
在 StatsX 中操作
步骤 1 · 放入评价表并看工作表名
综合评价 xlsx 进工作台。若被另存成奇怪的 Sheet 名，对不上本页 330 这个占用。
步骤 2 · 扫面积的唯一值规模
画像里看面积有多少个不同取值。取值很多，正是直方图该加速的地方；楼层取值少，箱数不必开到 255。
步骤 3 · 搜 LightGBM回归
目录输入「LightGBM回归」。旁边的分类卡片走标签；XGBoost 回归卡片走按层。点错之后残差口袋形状会对不上本页。
步骤 4 · 锁定量 Y 与四列特征
因变量：总价(万元)。特征：面积、楼层、总楼层、建筑年份。num_leaves 先留默认 31，不要一上来改成 255。
步骤 5 · 盯中间口袋再调叶子
先看 B 是否仍接近 60。若 B 被削到个位数而训练 RMSE 还在降，把 num_leaves 降下来或提高叶子最少样本，而不是再加 200 棵。
如何阅读输出
「LightGBM回归结果表」第一格是「LightGBM回归」。残差口袋：A 70（21.21%）、B 60（18.18%）、C 200（60.61%），合计 330。60.61% 的 C 是叶优先最爱下手的区域——再切 C 往往立刻降低训练损失。B 只有 60 条，是夹在「已经很近」与「仍然很难」之间的细缝：继续加叶子，这条缝最先被挖穿。
| 项目 | 类别 | 统计量 | 取值 |
|---|---|---|---|
| LightGBM回归 | 类别 A | 频数 | 70 |
| LightGBM回归 | 类别 B | 频数 | 60 |
| LightGBM回归 | 类别 C | 频数 | 200 |
| LightGBM回归 | 合计 | 有效样本 N | 330 |
| LightGBM回归 | 类别 A | 占比(%) | 21.21 |
| LightGBM回归 | 类别 B | 占比(%) | 18.18 |
| LightGBM回归 | 类别 C | 占比(%) | 60.61 |
左右滑动可查看完整表格
教学示例表在 StatsX 工作台中的计算结果口径。
读图顺序：先承认 330，再承认最瘦的是中间带 60 而不是高残差带 70，最后看验证 RMSE。C 厚不表示「三档房价都被分开」——本页根本没有房价分档，只有残差口袋。宏平均之类的分类指标不应出现。
若你改把总价切成三档再跑分类，占用表就变成标签份额，主图应改 ROC。本页按连续 Y 读。直方图边界随样本变：换一批房源，同一套 num_leaves 切出的口袋人数不必仍是 70/60/200。
理论与公式
直方图把特征 x_j 映射到 B 个桶。候选阈值只在桶边界上评估。对当前所有叶子，LightGBM 选使损失下降最大的那一次再切：
这就是按叶生长。按层生长会在深度 d 上把所有叶子都切完才加层。叶子总数用 num_leaves 卡住；它和深度的粗关系只在满二叉树上成立：
取等号只发生在完全平衡树。叶优先几乎总是歪的，所以不能把 XGBoost 的 max_depth=6 换成 63 片叶子还指望同一条残差带。中间口袋只剩 60 条时，若某叶最少样本低于该口袋，训练集上的 Δℓ 仍可能为正，验证集上会变负。直方图只改变候选阈值集合，不改变「叶上加的是收缩增量」这一层；和 XGBoost 的主要产品差别是生长顺序与分箱，不是换了一种损失。
注意事项
C 占 60.61%，叶优先会继续「纯化」低残差区；中间带 60 条要单独盯。
箱边界随样本移动，换一季度房源分裂点可能整组平移。
num_leaves 不是 max_depth 的别名，两套旋钮不能对译后比较同一棵树。
直方图计数的分母是完整个案 330，不是上传行数。
本页口袋不是户型，也不是 LightGBM分类那张年级档。
预测准了总价，不能写成「面积导致房价」的因果句。
常见问题
参考文献
Ke, G. et al. LightGBM: A highly efficient gradient boosting decision tree[C]//NeurIPS. 2017.
Chen, T., & Guestrin, C. XGBoost: A scalable tree boosting system[C]//KDD. 2016.
李航. 统计学习方法[M]. 北京: 清华大学出版社, 2019.