LightGBM中Dataset、Booster、CVBooster、Sequence的区别是什么？

• lgb.Dataset
  你对这个接口的认知是准确的。它是LightGBM官方推荐的数据集加载接口，除了pandas DataFrame之外，也支持numpy数组、scipy稀疏矩阵等常见数据格式的传入。内部会自动完成离散分箱、无效值处理、内存压缩等预处理操作，比直接传入原始数据训练的效率高很多，也支持配置样本权重、分组字段、类别特征标记等训练相关的属性。
• lgb.Booster
  你的认知不全，这个接口的作用不止加载已训练模型。它是LightGBM的核心模型载体，训练接口lgb.train()执行完成后返回的就是Booster实例，所有训练逻辑、树结构存储、推理预测、特征重要性计算、模型导出等核心能力都封装在这个类中，你提到的加载本地模型只是它的其中一个初始化方式。
• lgb.CVBooster
  这个类和lgb.Booster定位差异很大，并不通用。它是交叉验证场景的专属返回结构，只有调用lgb.cv()执行交叉验证时才会返回该实例。内部存储了交叉验证每一个折对应的独立Booster对象，调用其predict()方法时会自动用所有折的模型做集成推理，还内置了交叉验证过程的评估指标、各折训练日志等专属属性，不能替代普通Booster使用。
• lgb.Sequence
  你的认知存在偏差，它不是DNN场景下的一维数据集。这是LightGBM为超大数据集训练设计的流式数据加载接口，当数据集体积太大无法一次性载入内存时，可以继承lgb.Sequence自定义分批加载逻辑，每次只加载一个批次的数据到内存参与训练，定位和PyTorch的Dataset类类似，支持任意维度的数据集，没有一维限制。

内容的提问来源于stack exchange，提问作者Nayr Nauy