将 XGBoost eval_metric 交叉验证计算与权重匹配

Question

我正在尝试从 xgb.cv 重新计算评估指标的均值和标准差。我可以用一些代码来证明这个问题。

library(xgboost)
library(ModelMetrics)
library(rBayesianOptimization)

首先没有权重。

data(agaricus.train, package='xgboost')
dt <- xgb.DMatrix(agaricus.train$data, label = agaricus.train$label)
dt.folds <- KFold(as.matrix(agaricus.train$label), 
                              nfolds = 5, 
                              stratified = TRUE, 
                              seed = 23)
cv <- xgb.cv(data = dt, nrounds = 3, nthread = 2, folds = dt.folds, metrics = list("logloss","auc"),
             max_depth = 3, eta = 1, objective = "binary:logistic", prediction = TRUE)
test <- sapply(cv$folds, function(x){
  testSet <- unlist(cv$pred[x])
  test_ll <- logLoss(agaricus.train$label[x], testSet)
  test_ll
})

> cv$evaluation_log$test_logloss_mean
[1] 0.1615132 0.0655742 0.0262498

> mean(test)
[1] 0.02624984

不出所料，来自 cv 对象的最后一个平均对数损失与我的计算相符。

不过，增加权重。仅更改 dt 声明行。

dt <- xgb.DMatrix(agaricus.train$data, label = agaricus.train$label, weight = 1:length(agaricus.train$label))

> cv$evaluation_log$test_logloss_mean
[1] 0.1372536 0.0509958 0.0219024
> mean(test)
[1] 0.02066699

现在他们不匹配了。 xgb.cv 函数在计算损失指标时有何不同？添加权重也会改变 auc 的计算，我怀疑任何损失指标。如何更改我的计算以匹配输出？

Answer 1

部分解决：

使用加权对数损失函数产生几乎相同的结果。

wLogLoss=function(actual, predicted, weights)
{
  result=-1/sum(weights)*(sum(weights*(actual*log(predicted)+(1-actual)*log(1-predicted))))
  return(result)
}

calc <- sapply(cv$folds, function(x){
  testSet <- unlist(cv$pred[x])
  test_ll <- wLogLoss(agaricus.train$label[x], testSet, ww[x])
  test_ll
})

> mean(calc)
[1] 0.02190241
> cv$evaluation_log$test_logloss_mean[3]
[1] 0.0219024
> var(calc)*4/5
[1] 0.00001508648
> cv$evaluation_log$test_logloss_std[3]^2
[1] 0.00001508551

方差的微小差异仍然存在。我仍然有兴趣知道 xgboost 包在现实中是如何使用权重的。

将 XGBoost eval_metric 交叉验证计算与权重匹配

Matching XGBoost eval_metric cross-validation calculations with weights

r

cross-validation

xgboost

loss-function