这问题我之前在MacBook的Jupyter环境里也碰到过！核心原因是Jupyter和终端的输出捕获机制不一样，导致LightGBM默认的日志输出没被正确显示，给你几个亲测有效的解决办法：

1. 显式设置verbose_eval参数 #

很多时候单独设置verbose参数在Notebook里不够，得配合verbose_eval来控制日志打印频率。把训练代码改成这样：

param = {'num_leaves':50, 'num_trees':500, 'learning_rate':0.01, 
         'feature_fraction':1.0, 'tree_learner': 'serial', 
         'objective':'cross_entropy', 'metric':'kullback_leibler', 
         'is_training_metric':True}
# 显式指定每轮都打印日志
model = lgb.train(param, train_data_lgbm, verbose_eval=1)

解释：verbose主要控制是否启用日志功能，而verbose_eval决定每隔多少轮打印一次日志，设为1就是每轮训练完成后都输出指标。

2. 重定向LightGBM的日志输出到stdout #

LightGBM默认把日志输出到stderr，但Jupyter对stderr的捕获有时候不如stdout顺畅。可以把stderr重定向到stdout来解决：

import sys
from contextlib import redirect_stderr

# 把错误输出重定向到标准输出
with redirect_stderr(sys.stdout):
    param = {'num_leaves':50, 'num_trees':500, 'learning_rate':0.01, 
             'feature_fraction':1.0, 'tree_learner': 'serial', 
             'objective':'cross_entropy', 'verbose' : 1, 
             'metric':'kullback_leibler', 'is_training_metric':True}
    model = lgb.train(param, train_data_lgbm)

或者更直接的全局重定向方式：

import sys
sys.stderr = sys.stdout

# 然后正常执行训练代码
model = lgb.train(param, train_data_lgbm)

3. 检查LightGBM版本和Jupyter内核兼容性 #

旧版本的LightGBM在Jupyter环境里可能存在输出兼容问题，先升级到最新稳定版：

pip install --upgrade lightgbm

同时确认Jupyter内核使用的是你安装LightGBM的Python环境：在Notebook里运行以下代码验证：

import lightgbm
import sys
print(f"LightGBM版本: {lightgbm.__version__}")
print(f"当前Python路径: {sys.executable}")

如果路径和你安装LightGBM的虚拟环境路径不一致，就需要切换Jupyter内核到正确的环境。

4. 自定义回调函数手动打印日志 #

如果上面的方法都没效果，那就完全绕过LightGBM的默认日志系统，用自定义回调函数手动控制输出：

def custom_log_callback(env):
    # 每轮训练完成后打印指标
    if env.iteration % 1 == 0:
        metrics = env.evaluation_result_list
        print(f"Iteration {env.iteration + 1}: {metrics}")

param = {'num_leaves':50, 'num_trees':500, 'learning_rate':0.01, 
         'feature_fraction':1.0, 'tree_learner': 'serial', 
         'objective':'cross_entropy', 'metric':'kullback_leibler', 
         'is_training_metric':True}
model = lgb.train(param, train_data_lgbm, callbacks=[custom_log_callback])

这种方式绝对能在Jupyter里看到训练日志，因为是直接用Python的print输出到Notebook的标准输出流。

内容的提问来源于stack exchange，提问作者silent_dev