之前實習的時候用的windows系統，感覺python安裝lightgbm模塊有點曲折但整體上還是比較順利就完成了的，沒想到mac下安裝真的太心酸了，着急用就坑在了安裝lightgbm模塊前的準備工作上😭
所以這裏總結了一下通過看了好幾篇安裝教程，結合自己遇到的問題給出方案，希望你們順利解決！！！
環境說明
- 本本環境：macbook air（還是14年的老戰機了）
| 項目 | 內容 |
|---|---|
| 版本 | 10.14.4 |
| 處理器 | 1.4GHz Intel Core i5 |
| 內存 | 4GB |
| 顯卡 | Intel HD Graphics 5000 1536 MB |
步驟
– 計劃：（根據網上常見安裝方法）
- 1.安裝homebrew：安裝完這個以後就可以在終端下載cmake和gcc啦。
- 2.安裝cmake：說是依賴這個，所以要下。
- 3、安裝gcc：這個也是。
- 4、安裝lightgbm
– 實際實施： - 1、安裝homebrew
- 2、安裝cmake
- 3、由於試了很多方法安裝gcc總是失敗，所以我去官網看了最終嘗試直接用homebrew安裝lightgbm成功。
不能保證安裝好homebrew後直接可以安裝lightgbm，我是安裝了homebrew和cmake以後成功，如果有直接用homebrew安裝成功的可以在評論裏告訴大家～謝謝～
說明：步驟1-3都是爬後完成的。
詳細說明
安裝homebrew
2020年4月更新
換了電腦後再次安裝，使用了國內的鏡像網站安裝，按照下面鏈接裏的方法，以後用brew下載軟件或者更新brew時是國內源有緩存就從國內源下載，更方便快捷。
https://zhuanlan.zhihu.com/p/111014448
清華大學和中國科技大學的鏡像網站，按照鏈接裏教程自動安裝成功～
2019年第一次安裝方法
首先，我覺得這真的是看運氣的事情，莫名其妙一通我安裝好了…所以沒有截圖。搜索mac安裝lightgbm或者mac安裝homebrew會出現很多人的回答，就按照大家所說在終端輸入以下命令：
/usr/bin/ruby -e “$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)”
遇到的問題：（1）沒反應（2）運行到一半就停了…（3）中間要輸入電腦管理員密碼，忘記了…重新更改密碼
解決方法：（1）沒反應這個問題，我嘗試關閉終端重新打開，或者重新輸入命令運行，有時候就可以了；（2）運行到一半這個問題，我翻了一下🧱牆，終於看到它運行，這個過程挺久的。要有耐心，中途可能有時候還是會停下來。也有人建議用手機熱點可以解決，這個我沒有試。（3）重點！！剛開始不久有需要輸入管理員密碼的地方，忘記的朋友可以搜一下mac管理員密碼忘記，按照步驟做即可。所以不記得密碼的朋友一定先做這一步，不然你又要重新開始。
爲了查看自己是否安裝完成，可以輸入以下命令：
終端輸入命令：brew -v
顯示結果：Homebrew 2.2.2
Homebrew/homebrew-core (git revision df6f; last commit 2020-01-07)
安裝cmake
終端輸入命令：brew install cmake
大約20分鐘後完成，有點久
安裝gcc
嘗試輸入
brew install gcc --without-multilib
Error: invalid option: --without-multilib
看到博客評論區裏面有人說把後面的–without-multilib去掉就可以成功，於是重新輸入：
brew install gcc
結果安裝了快半小時了，纔到6%，就放棄去網上搜了一下解決辦法。
又嘗試了
brew install open-mpi
也不行基本上安裝一會斷掉
最終
哭了，晚上開會前我去看github官網上面有一個命令，是用homebrew直接安裝。
brew install lightgbm
結果：你可以看到一開始到52%的時候還是失敗了，但是它自動的又下載了一次，我發現兩次下載地址不同。
最後別忘了在終端pip install lightgbm一下，就可以開始測試了.
測試用例
我在jupyter裏面測試的，在網上找了一個例子：
import lightgbm as lgb
import numpy as np
print(lgb.__version__)
data = np.random.rand(500, 10) # 500 entities, each contains 10 features
label = np.random.randint(2, size=500) # binary target
train_data = lgb.Dataset(data, label=label)
param = {'num_leaves': 31, 'objective': 'binary'}
param['metric'] = 'auc'
num_round = 10
bst = lgb.train(param, train_data, num_round)
# 預測
data = np.random.rand(7, 10)
y_pred = bst.predict(data)
print(y_pred)