试试看：

my_model.booster_.save_model('mode.txt')
#load from model:

bst = lgb.Booster(model_file='mode.txt')

• • 注**：API声明

bst = lgb.train(…)
bst.save_model('model.txt', num_iteration=bst.best_iteration)

根据版本的不同，上面的一个可以工作。对于通用的，你也可以使用pickle或类似的东西来冻结你的模型。

import joblib
# save model
joblib.dump(my_model, 'lgb.pkl')
# load model
gbm_pickle = joblib.load('lgb.pkl')

如果有帮助就告诉我

对于Python 3.7和lightgbm==2.3.1，我发现前面的答案不足以正确地保存和加载模型。

lgbr = lightgbm.LGBMRegressor(num_estimators = 200, max_depth=5)
lgbr.fit(train[num_columns], train["prep_time_seconds"])
preds = lgbr.predict(predict[num_columns])
lgbr.booster_.save_model('lgbr_base.txt')

最后，我们可以通过以下方式验证这是否有效：

model = lightgbm.Booster(model_file='lgbr_base.txt')
model.predict(predict[num_columns])

如果没有上述内容，我会得到错误：AttributeError: 'LGBMRegressor' object has no attribute 'save_model'

对于使用import lightgbm as lgb的最新版本的lightGBM，以下是具体操作：

model.save_model('lgb_classifier.txt', num_iteration=model.best_iteration)

然后你就可以看到这个模型如下：

model = lgb.Booster(model_file='lgb_classifier.txt')

clf.save_model('lgbm_model.mdl')
clf = lgb.Booster(model_file='lgbm_model.mdl')