이제 LGBMClassifier를 사용해서 fit으로 모델을 학습한 후 accuracy_score로 성능을 평가해 보자.

from lightgbm import LGBMClassifier
 
model = LGBMClassifier(random_state=42, n_jobs=1)
model

실행 결과

LGBMClassifier(random_state=42)

모델이 학습할 수 있도록 정답이 있는 값인 y_label을 넣어 준다. 학습하는 데 시간이 걸릴 수 있으므로 %time을 사용해 시간을 측정한다.

y_label = df_train['votes_pos_neg']
%time model = model.fit(train_feature_tfidf, y_label)

실행 결과

CPU times: user 9.01 s, sys: 60 ms, total: 9.07 s
Wall time: 9.1 s

시간에 대한 출력 결과는 상황에 따라 달라질 수 있지만 CPU times를 출력했다면 학습이 잘 끝난 것이다. 이제 평가만 남았다.