我正在使用xgboost来解决数据集不平衡的分类问题。我计划使用F1得分或roc-auc的一些组合作为我判断模型的主要标准。目前，从score方法返回的默认值是准确性，但我真的希望返回一个特定的评估指标。我这么做的主要动机是，我假设模型的feature_importances_属性是由影响score方法的因素决定的，而影响预测准确性的列可能与影响roc-auc的列非常不同。下面是一些示例代码： from sklearn.model_selection import train_test_split
from xgboost
浏览 14提问于2021-04-24得票数 0
1回答
objective和feval在R中的xgboost有什么区别？我知道这是非常基本的东西，但我无法确切地定义它们/它们的目的。
同时，在进行多类分类时，什么是softmax目标？
浏览 4提问于2015-12-09得票数 34
最近，我从这个答案中了解到了auc的度量：，并决定使用它。
但我遇到了另一个链接，它声称，AUC-ROC是不敏感的阶级不平衡，我们应该使用AUC的精确召回曲线。xgboost文档不清楚他们使用哪种AUC，它们使用AUC-ROC吗？此外，该链接提到，AUC应该使用，只有当你不关心的概率，只关心排名。xgboost参数调优指南还建议了一种处理类不平衡的替代方法，方法是不平衡正负样本，使用max_delta_step = 1。因此，有人可以解释，什么时候AUC才能取代xgboost处理类不平衡
浏览 0提问于2017-01-10得票数 5
考虑到问题的多标签分类性质，我想根据f1评分来评估我的模型。现在，为了做到这一点，我声明了一个cross-validaton.Instantiate方法(给定f1分数不在xgboost中默认的评估指标之列)，以便将算法目标度量与classifier).的目标度量对齐，并使用f1_macro作为评分函数(与classifier).相同)来拟合RandomizedSearchCV。现在，在对搜索进行拟合时，在培训实例中会弹出以下消息：
Multiple eval metri
浏览 2提问于2020-09-30得票数 3
回答已采纳
1回答
我正在通过R使用H2O，我试图建立随机森林，XGBoost，GBM模型来解决多类问题。H2O提供的模型性能洞察力很好，但作为成功的标准之一，我有自己的自定义函数，当模型用于对一组用户进行评分时，该函数可以对模型精度进行评分。一般来说，这个函数奖励预测，惩罚错误预测。该自定义函数的逆也可以被认为是损失函数。
我想知道在训练模型时，是否以及如何将这种自定义损失函数插入到H2O中。
浏览 0提问于2018-09-08得票数 5
我希望在我的Keras模型中使用R2 (确定系数)作为度量标准。为此，我已经定义了一个函数(coeff_determination)。这个度量函数在没有网格搜索CV的情况下工作得很好，但是对于网格搜索cv，它给出了一个错误，比如“模型没有配置来计算精度，您应该将metrics=["accuracy"]传递给model.compile()方法”。
浏览 1提问于2020-05-31得票数 0
回答已采纳
1回答
如何评估模型中新特性的性能？
、、、、
基于新添加的第7或(7&8)特性，我只在其中一个模型(LR scikit和Xgboost)中看到了AUC的改进。
我还在网上看到的文章说，AUC或F1-得分不是严格的评分规则。我们可以使用log-loss度量，但它只适用于logistic regression。但我们不能将log-loss度量用于Xgboost、RF或SVM，对吗？那么，有什么通用的指标可以用来比较。
浏览 0提问于2020-01-11得票数 2
回答已采纳
我想添加kappa评估指标，以便在Python中的xgboost中使用。我在理解如何将Python函数与xgboost连接时遇到了问题。这是在R的中提出的，但在Python中没有。在eval_metric参数中将'kappa'指定为字符串将导致XGBoostError: unknown evaluation metric type: kappa。同样，指定kappa方法对象会导致XGBoostError: unknown evaluation metric type:
浏览 5提问于2016-05-25得票数 14
回答已采纳
我们在训练数据上拟合我们的模型，然后创建一个基于features_test数据的预测(pred)。这意味着我们的pred数据集和target_test数据集理论上应该是相同的(如果模型完美的话)。问题2:使用模型的得分方法与accuracy_score函数的区别是什么？clf.score(features_test, target_test)
0.8609865470852018
浏览 0提问于2019-01-13得票数 3
回答已采纳
特别是我有兴趣定义我的自定义记分员使用函数来定义f0.5分。) missing 2 required positional arguments: 'y_true' and 'y_pred'
另外，按照的这一部分，我简化了情况，只使用预定义的就绪f1_score度量：eval_metric=f1_score，但XGBClassifier切换回日志丢失度量。如何以适当的方式实现我的自定义度量？
浏览 24提问于2022-05-01得票数 1
因此，我的问题是，RandomizedSearchCV用来决定哪些参数是最佳参数的度量是什么？
浏览 14提问于2020-11-22得票数 1
回答已采纳
1回答
我想使用mlr在R中的右删失生存数据上运行xgboost，xgboost代码列出了一个目标函数存活:cox，它说：
生存: Cox :对右截尾生存时间数据的Cox回归(负值被认为是右截尾)。我正在使用的Mlr 2只支持回归和分类学习者的xgboost。如果我尝试使用内置回归学习者的xgboost，它使用mse作为评估标准。因此，我尝试将度量更改为cindex，并得到了错误。在mlr2或mlr3中有实现这一目标的方法吗？将内置的回归学习者用于<
浏览 2提问于2019-06-24得票数 5
回答已采纳
2回答
我正在尝试复制此中报告的超参数优化示例，但我希望在我的培训应用程序中使用scikit学习XGBoost而不是tensorflow。使用XGBoost运行培训应用程序的内容：您可能会注意到，本文档中没有说明如何将您的超参数<
浏览 0提问于2018-10-05得票数 0
回答已采纳
2回答
我一直使用XGBoost，随机森林和LightBGM作为我的预测模型。我还尝试以不同的方式运行这些模型，方法是调优类权重并重新对数据集进行重采样，以使其达到平衡的规模。此外，我使用F1评分、ROC-AUC评分和精确召回曲线作为我的主要度量标准，因为其他指标似乎不能代表不平衡数据集上的结果。如有任何回应，我将不胜感激，非常感谢！
浏览 0提问于2023-04-04得票数 0
我已经为Scikit-Learn，Python构建了自己的评分函数。我使用"make_scorer“，如文档-用户指南中所述。但它不起作用。
我的计算机仍然处于“忙”状态，并且不返回任何输出。
浏览 2提问于2015-09-20得票数 0
1回答
无法使用K折叠验证Sklearn
、、、、
我有一个数据集。ValueError("{0}不支持“.format(Y_type)) ValueError:不支持连续。下面是我的python代码。import numpy as npfrom sklearn.ensemble import RandomForestRegressor
from sklearn import cross_validati
浏览 0提问于2018-02-08得票数 4
回答已采纳
2回答
我知道这里有几种定义“重要特征”的方法(排列重要性，在树木中的重要性.)，但我做了以下工作: 1)在logistic回归中按系数值对特征进行排序；2)根据随机森林中的“特征重要性”对特征进行排序。这些并不是完全相同的故事，我在想，在线性模型中，一个可能“不重要”的特性在一个能够“理解”它的非线性模型中是非常有区别的。
一般都是这样吗？
浏览 0提问于2020-08-24得票数 9
我使用的是XGBoost 0.90。我希望用Python训练一个XGBoost回归模型，使用内置的学习目标，并在内置的评估度量上尽早停止。很简单。在我的例子中，目标是'reg:tweedie‘，而评估标准是’tweedie nloglik‘。但是在每次迭代时，也希望计算一个信息丰富的自定义度量，这不应该用于早期停止。但这是错误的。最后，我希望使用scikit-学习GridSearchCV，训练一组模型，以便早期停止使用内置的目标和度量
浏览 3提问于2020-02-17得票数 2
2回答
如何提高F1评分进行分类
、、、、
我正在预测是否有任何任务违反了指定的期限(二进制分类问题)StandardScaler()GridSearchCV用于超参数TuningRecursive特性消除(对于selection)SMOTE(the数据集是不平衡的，因此我使用SMOTE从现有示例创建新示例)
尝试改进该模型的F评分。在应用上述所有方法之后，我已经能够将标
浏览 2提问于2020-07-01得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
