在 LightGBM 中使用多个自定义指标

Question

鉴于我们可以在LightGBM中使用自定义指标，并在训练时使用参数'feval'调用它。对于给定的度量标准，我们可以在参数字典中定义它，例如 metric:(l1, l2) 我的问题是如何同时调用多个自定义的metric？我不能使用 feval=(my_metric1, my_metric2) 得到结果

Answer 1

params = {}
params['learning_rate'] = 0.003
params['boosting_type'] = 'goss'
params['objective'] = 'multiclassova'
params['metric'] = ['multi_error', 'multi_logloss']
params['sub_feature'] = 0.8
params['num_leaves'] = 15
params['min_data'] = 600
params['tree_learner'] = 'voting'
params['bagging_freq'] = 3
params['num_class'] = 3
params['max_depth'] = -1
params['max_bin'] = 512
params['verbose'] = -1
params['is_unbalance'] = True
evals_result = {}
aa = lgb.train(params,
                   d_train,
                   valid_sets=[d_train, d_dev],
                   evals_result=evals_result,
                   num_boost_round=4500,
                   feature_name=f_names,
                   verbose_eval=10,
                   categorical_feature = f_names,
                   learning_rates=lambda iter: (1 / (1 + decay_rate * iter)) * params['learning_rate'])

让我们讨论一下我在这里分享的代码。 d_train是我的训练集。 d_dev是我的验证集（我有不同的测试集。）evals_result会记录我们的multi_error 和 multi_logloss 每次迭代作为列表。 verbose_eval = 10 将使 LightGBM 打印训练集和验证集的 multi_error 和 multi_logloss每 10 次迭代。如果要将 multi_error 和 multi_logloss 绘制为图形：

lgb.plot_metric(evals_result, metric='multi_error')
plt.show()

lgb.plot_metric(evals_result, metric='multi_logloss')
plt.show()

您可以从 LightGBM 文档中找到其他有用的函数。如果找不到所需的内容，请转到 XGBoost 文档，这是一个简单的技巧。如有遗漏，欢迎追问。

在 LightGBM 中使用多个自定义指标

Using multiple self-defined metrics in LightGBM

python-3.x

machine-learning

xgboost

lightgbm