R语言xgboost自定义目标函数

版权声明：本文为博主原创文章，未经博主允许不得转载。作为分享主义者(sharism)，本人所有互联网发布的图文均采用知识共享署名 4.0 国际许可协议(https://creativecommons.org/licenses/by/4.0/)进行许可。转载请保留作者信息并注明作者Jie Qiao专栏:http://blog.csdn.net/a358463121。商业使用请联系作者。 https://blog.csdn.net/a358463121/article/details/54564949

要自定义xgboost的目标函数，有两种方式

• 自定义目标函数(objective)
• 自定义评价函数(feval)。

如果是自定义目标函数你需要求解该目标函数的梯度以及二阶梯度。
例子：自定义的objective

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))
}

而另一个则是自定义评价函数，参数：feval 。它的作用并不是用来训练，仅仅是用来评价，比如说，你可以使用logloss作为目标函数来训练，但是使用ks评分来评价，你可以根据这个评价来设计early stopping，或者调参。
例子：自定义的feval

evalerror <- function(preds, dtrain) {
  labels <- getinfo(dtrain, "label")
  err <- as.numeric(sum(labels != (preds > 0)))/length(labels)
  return(list(metric = "error", value = err))
}
param <- list(max_depth=2, eta=1, nthread = 2, silent=1,objective=logregobj, eval_metric=evalerror)
bst <- xgb.train(param, dtrain, num_round, watchlist)

一般我推荐使用第二种方法，也就是自定义feval的方法，不建议使用自定义 objective，因为首先，有的评分你根本没法求梯度，然后自己写的目标函数难免没有bug，有可能效果不是很好。

更详细自定义函数例子可以看：
https://github.com/dmlc/xgboost/blob/master/doc/parameter.md#learning-task-parameters

其他参考：
http://stackoverflow.com/questions/34178287/difference-between-objective-and-feval-in-xgboost

作为分享主义者(sharism)，本人所有互联网发布的图文均遵从CC版权，转载请保留作者信息并注明作者a358463121专栏:http://blog.csdn.net/a358463121，如果涉及源代码请注明GitHub地址：https://github.com/358463121/。商业使用请联系作者。