LightGBM中评估指标与评估函数的区别

参考lightgbm.cv,有两个参数让我感到困惑:metricsfeval。根据我对GBDT的有限了解,评估指标和评估函数都是用来计算损失的,比如AUC,通过一个预测向量和一个真实标签向量来计算。

然而,metricsfunction听起来像是处理不同任务的。

  1. 它们做的是同一件事吗?
  2. 更具体地说,如果我执行lightgbm.cv(params,metrics='auc', feval='ks')feval='ks'会覆盖metrics='auc'吗?

回答:

首先,metricsfunction的一般概念并没有什么不同:从数学的角度来看,度量就是一个函数(维基百科条目)。虽然这里的度量概念更宽泛,但这个论点仍然成立。

更具体地回答你的问题;从你所链接的文档页面来看:

  • metrics (string, list of strings or None, optional (default=None)) – 在交叉验证过程中需要监控的评估指标。如果不为None,将覆盖params中的指标。
  • feval (callable or None, optional (default=None)) – 自定义评估函数。

注意1)复数形式的metrics,可以是一个字符串列表 2)feval中的custom一词。

简而言之:

  1. 你确实可以在metrics参数中使用多个可用的指标;你的例子应该是:

    lightgbm.cv(params,metrics=['auc','ks'])
  2. feval只应该在你除了使用现成的metrics之外,还想要使用你自己定义的自定义指标时使用;请参见这里的一个例子,其中metric='auc'feval = my_err_rate被同时使用,并且在my_err_rate被定义之后。

Related Posts

Keras Dense层输入未被展平

这是我的测试代码: from keras import…

无法将分类变量输入随机森林

我有10个分类变量和3个数值变量。我在分割后直接将它们…

如何在Keras中对每个输出应用Sigmoid函数?

这是我代码的一部分。 model = Sequenti…

如何选择类概率的最佳阈值?

我的神经网络输出是一个用于多标签分类的预测类概率表: …

在Keras中使用深度学习得到不同的结果

我按照一个教程使用Keras中的深度神经网络进行文本分…

‘MatMul’操作的输入’b’类型为float32,与参数’a’的类型float64不匹配

我写了一个简单的TensorFlow代码,但不断遇到T…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注