一、問題起源：

在Lightgbm中如何使用自定義函數呢，文檔搜索中找到了feval，但不知道如何使用？

二、解決方案：

1、官方文檔解釋：

注意事項：1、自定義的損失函數接受兩個參數；第一個是模型預測值，第二個是數據集數據類型，傳入驗證數據集；2、返回值有三個：eval_name(字符串，隨意起名), eval_result, is_higher_better(bool類型)

1、自定義損失函數

def rmse(y_true, y_pred):return np.sqrt(mean_squared_error(y_true, y_pred)) def feval_rmse(y_pred, lgb_train):y_true = lgb_train.get_label()print(len(y_true))return 'rmse', rmse(y_true, y_pred), False

2、lightgbm訓練代碼，調用eval

params = {'learning_rate':0.05,"objective": "regression","metric": "rmse",'boosting_type': "gbdt",'verbosity': -1,'n_jobs': -1, 'seed': 20220215002,'n_estimators': 500, 'max_depth': 5, } target_flag = np.where(train_data.target >= 0, 1, 0) skf = StratifiedKFold(n_splits=3) fold = 0 metric_over_time = {} for train_idx, test_idx in skf.split(train_data, target_flag):X_train, y_train = train_data.iloc[train_idx][num_feat_name], train_data.iloc[train_idx]['target']X_valid, y_valid = train_data.iloc[test_idx][num_feat_name], train_data.iloc[test_idx]['target']train_dataset = lgb.Dataset(X_train, y_train)valid_dataset = lgb.Dataset(X_valid, y_valid)model = lgb.train(params,train_set = train_dataset, valid_sets = [valid_dataset], feval = feval_rmse,callbacks=[lgb.early_stopping(100), lgb.log_evaluation(100), lgb.record_evaluation(metric_over_time)])

每一次迭代完都會調用feval，傳入驗證數據集的此輪迭代的預測值與驗證數據集；

3、訓練結果：

總結

以上是生活随笔為你收集整理的lightgbm中的feval参数使用明细的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。