请你能帮我吗？我已经对线性数据进行了预处理和标准化。我将LightGBM用作数据的线性回归模型。我必须预测具有其他功能的连续值“ Montant”。当我预测样本“ Montant”时，我的准确性为58％。但是，当我在“ X_train”和“ X_test”上使用“ reset_index（）”方法时，在训练和预测阶段，模型的准确性提高到80％。指数真的重要吗？我应该使用它来提高准确性吗？
这是我用于训练和预测阶段的代码：
params = {
'boosting_type': 'gbdt', 'objective': 'tweedie', 'nthread': -1, 'verbose': 0,'num_iterations':276,
'num_leaves': 95, 'learning_rate': 0.036, 'max_depth': -1,
'subsample': 0.678, 'subsample_freq': -100, 'colsample_bytree': 0.524,
'reg_alpha': 1.201, 'reg_lambda': 0.00001, 'metric': 'rmse',
'min_split_gain': 0.5, 'min_child_weight': 1, 'min_child_samples': 35, 'scale_pos_weight': 1}
#kf = KFold(n_splits=5, shuffle=True, random_state=seed_val)
pred_test_y = np.zeros(X_test.shape[0])
train_set = lgbm.Dataset(X_train.reset_index(), y_train, silent=True)
lgbm1 = lgbm.train(params, train_set=train_set, num_boost_round=180)
pred_test_y = lgbm1.predict(X_test.reset_index(), num_iteration = lgbm1.best_iteration)