LightGBM Predict

import lightgbm as lgb
import numpy as np
from sklearn.datasets import load_iris

# 1. 저장된 모델 파일 경로
model_file = "model.bst"

# 2. LightGBM 모델 불러오기
lgb_model = lgb.Booster(model_file=model_file)

# 3. 추론 데이터 준비 (Iris 데이터 사용)
iris = load_iris()
X_test = iris['data']  # 테스트 데이터
y_test = iris['target']  # 실제 라벨 (평가용)

# 4. 예측 수행
predictions = lgb_model.predict(X_test)  # 확률 값 반환
predicted_classes = np.argmax(predictions, axis=1)  # 클래스 선택

# 5. 결과 출력
print("Predicted probabilities:\n", predictions)
print("Predicted classes:\n", predicted_classes)
print("True classes:\n", y_test)

# 6. 정확도 평가 (옵션)
accuracy = np.mean(predicted_classes == y_test)
print(f"Accuracy: {accuracy * 100:.2f}%")