在运行xgboost以优化其超参数时，我在监视列表中使用我的开发（验证）集，并且从中提取预测以检查其性能，这样做是否正确？我也有一个关于使用hyperopt搜索超参数时遵循相同过程的问题。

我之所以有此疑问，是因为印象中我们绝不能在最终预测之前使用测试集做任何事情。感谢您的宝贵时间。

# 准备xgboost数据
xg_train = xgb.DMatrix(X_train, label=y_train)
xg_test = xgb.DMatrix(X_test, label=y_test)
xg_dev = xgb.DMatrix(X_dev, label=y_dev)
# 用于监视性能的验证集
watchlist = [(xg_train,'train'), (xg_dev,'eval')]
# 验证结果
evals_results = {}
# 提升
bst = xgb.train(params=param, 
                dtrain=xg_train, 
                num_boost_round=5000, 
                evals=watchlist, 
                evals_result=evals_results, 
                early_stopping_rounds=100)
# 生成分数
predicted_y = bst.predict(xg_dev, ntree_limit=bst.best_iteration)
current_score = f1_score(y_dev, np.round(predicted_y), average='weighted')

回答：

在这里回答这个问题：是的，直觉是正确的。使用开发集来监视训练性能。