Python LightGBMの実装方法

Question

LightGBMを使用し、パソコンのスペックから、パソコンの価格を予想したいです。
パソコンの価格がNanの列の予想を行いたいです。データの前処理の段階で、Nanを0に置換しています。
価格以外の欠損値を含むデータは削除しています。
最後のテストデータにおける予測の部分で、価格が分からないデータの価格を予測できるの思うのですが、上手く予測できません。LightGBMで学習後の、予測方法について教えていただきたいです。

#all_price!=1の行の抽出
train_df = data_df[data_df.all_price!=0]
#data_dfを学習データとテストデータに分ける
train_X = data_df[data_df["all_price"]!=0].drop("all_price",axis=1).reset_index(drop=True)
train_Y = train_df["all_price"]
test_X = data_df[data_df["all_price"]==0].drop("all_price",axis=1).reset_index(drop=True)

!pip install lightgbm
import lightgbm as lgb
from sklearn.model_selection import train_test_split
from sklearn.model_selection import KFold
#学習データの20%を検証データとする
X_train,X_valid,y_train,y_valid = train_test_split(train_X,train_Y,test_size=0.2)
#カテゴリ変数の指定
categories = ["memory","storage","OS","CPU","CPUscore","weight","time","size"]
lgb_train = lgb.Dataset(X_train,y_train,categorical_feature=categories)
lgb_eval = lgb.Dataset(X_valid,y_valid,categorical_feature=categories,reference=lgb_train)
#ハイパーパラメータの設定
lgbm_params = {"objective":"binary",
              "random_seed":1234
              }
model_lgb = lgb.train(lgbm_params,
                     lgb_train,
                     valid_sets=lgb_eval,
                     num_boost_round=100,
                     early_stopping_rounds=20,
                     verbose_eval=10)
#クロスバリデーションで学習する
folds = 3
kf = KFold(n_splits=folds)
#予測精度の計測
from sklearn.metrics import accuracy_score
models = []

for train_index,val_index in kf.split(train_X):
    X_train = train_X.iloc[train_index]
    X_valid = train_X.iloc[val_index]
    y_train = train_Y.iloc[train_index]
    y_valid = train_Y.iloc[val_index]
    
    lgb_train = lgb.Dataset(X_train,y_train,
                           categorical_feature = categories
                           )
    lgb_eval = lgb.Dataset(X_valid,y_valid,
                          categorical_feature = categories,
                          reference = lgb_train)
    model_lgb = lgb.train(lgbm_params,lgb_train,
                         valid_sets = lgb_eval,
                         num_boost_round = 100,
                         early_stopping_rounds = 20,
                         verbose_eval = 10,
                         )
#テストデータにおける予測
preds = []
for model in models:
    pred = model.predict(test_X)
    preds.append(pred)

Comments

[退会済みユーザー]

import 部分と、最小限のサンプル（CSV）を掲載できますか？
CSVであれば、以下のようにすれば中身を掲載できます。
```CSV
1,2,3
4,5,6
```