lightgbm原生支持类别特征，需将列转为category类型并用categorical_feature参数指定，而非one-hot或label编码。
ValueError: DataFrame.dtypes for data must be int, float or bool
这是最常遇到的报错，本质是 LightGBM 的 Dataset 不接受原始字符串或类别型（object / category）列直接传入。它要求输入数据必须是数值型（int、float、bool），哪怕你打算用原生类别特征功能也得先过这一关。
解决方法不是硬转成数字，而是明确告诉 LightGBM 哪些列是类别特征：
- 用
pd.DataFrame.astype("category")把目标列转为category类型（不是字符串） - 在构建
lgb.Dataset时，通过categorical_feature参数显式传入列名或列索引，例如：categorical_feature=["Sex", "Embarked"] - 确保
free_raw_data=False（默认是True），否则训练后原始数据被释放，后续无法再设类别特征
别用 LabelEncoder 或 OneHotEncoder 预处理——那反而会破坏 LightGBM 的原生优势。
LightGBMError: Do not support special JSON characters in feature name
当你用 pandas.get_dummies() 或其他自动编码方式生成列名时，容易出现 Sex_Male、city_(Beijing) 这类含括号、空格、斜杠或下划线过多的名字，LightGBM（尤其是 v3.0+）会直接拒绝加载。
修复很简单，但必须在构造 Dataset 前完成：
- 检查列名：用
df.columns.tolist()看一眼，找出含(、)、/、+、=的列 - 批量清洗：运行
df.columns = df.columns.str.replace(r'[^a-zA-Z0-9_]', '_', regex=True) - 去重+截断：如果清洗后出现重复列名（如多个
city__），加个序号后缀：df.columns = [f"{c}_{i}" if c in seen else c for i, c in enumerate(df.columns)]
注意：v2.2.3 及更早版本对此宽松，但不建议降级——新版修复了更多内存和并行问题。
Cannot set categorical feature after freed raw data
这个错误往往出现在二次训练或验证阶段，比如你训练完模型后想拿同一个 Dataset 对象再调一次 set_categorical_feature，就会触发。原因很直接：LightGBM 默认训练完就释放原始数据内存（free_raw_data=True），之后对象只剩直方图结构，没法再改类别定义。
预防方式只有两个：
- 初始化
Dataset时就一次性指定好：lgb.Dataset(data, label=label, categorical_feature=cat_cols, free_raw_data=False) - 如果必须复用，显式禁用自动释放：
free_raw_data=False，但要承担额外内存占用
别指望靠 del dataset 再重建来绕过——只要变量还活着，底层 raw data 就可能已被释放。
ModuleNotFoundError: No module named 'lightgbm'
这不是“没装”，而是“没装对地方”。尤其在 conda 虚拟环境、PyCharm 解释器、Jupyter kernel 多环境共存时，pip install lightgbm 很可能装进了系统 Python，而你的脚本跑在另一个环境里。
验证和修复步骤：
- 在出错的 Python 环境中运行
python -c "import sys; print(sys.executable)"，确认当前解释器路径 - 在同一终端执行
{上面路径} -m pip install lightgbm（强制用该解释器安装） - macOS 用户额外检查：
brew install libomp，否则即使导入成功，训练也会崩溃退出（error 138/139） - Windows 用户若遇
OSError [WinError 126]，优先重装：先pip uninstall lightgbm，再pip install --upgrade --force-reinstall lightgbm
版本兼容性现在很关键：Python 3.12 必须搭配 lightgbm>=4.0.0，旧版装上也导入失败。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
