R中xgboost中Objective和feval的区别是什么?我知道这是非常基本的东西,但我无法准确定义它们/它们的目的。另外,什么是softmax目标,同时进行多类分类?
答案 0 :(得分:47)
<强>目标强>
Objective
中的{p> xgboost
是学习算法将尝试和优化的function。根据定义,它必须能够创建第一个(渐变)和第二个(粗麻布)衍生物w.r.t.在给定的训练轮次中的预测。
自定义Objective
功能示例:link
# user define objective function, given prediction, return gradient and second order gradient
# this is loglikelihood loss
logregobj <- function(preds, dtrain) {
labels <- getinfo(dtrain, "label")
preds <- 1/(1 + exp(-preds))
grad <- preds - labels
hess <- preds * (1 - preds)
return(list(grad = grad, hess = hess))
}
这是培训的关键功能,没有xgboost
模型可以在没有定义的情况下进行培训。 Objective
函数直接用于在每个树中的每个节点处进行拆分。
<强> feval 强>
feval
中的{p> xgboost
在直接优化或训练模型方面不起作用。你甚至不需要训练。它不会影响分裂。它所做的只是在训练后对你的模型进行评分。查看自定义feval
的示例
evalerror <- function(preds, dtrain) {
labels <- getinfo(dtrain, "label")
err <- as.numeric(sum(labels != (preds > 0)))/length(labels)
return(list(metric = "error", value = err))
}
注意,它只返回一个名称(公制)和一个分数(值)。通常feval
和objective
可能相同,但也许您想要的评分机制略有不同,或者没有衍生品。例如,人们使用log objective
来训练,但创建AUC feval
来评估模型。
此外,您可以使用feval
在模型停止改进后停止训练。您可以使用多个feval
函数以不同的方式对模型进行评分,并观察它们。
您不需要feval
功能来训练模型。只评估它,并帮助它尽早停止训练。
<强> 要点: 强>
Objective
是主要的主力。
feval
是帮助xgboost
做一些很酷的事情的帮手。
softmax
是objective
函数,常用于多类分类。它确保您的所有预测总和为1,并使用指数函数进行缩放。 softmax