lightgbm使用自定义损失函数后，二分类的预测结果不再是【0，1】区间

  统计/机器学习 监督式学习    浏览次数：3098        分享
二维码
手机扫描二维码
  案例分析面试常见题？
1

如题，对lightgbm使用如下的自定义函数后


def logistic_obj(y_hat, dtrain):
    y = dtrain.get_label()
    p = y_hat 
    p = 1. / (1. + np.exp(-y_hat)) # 用于避免hessian矩阵中很多0
    grad = p - y
    hess = p * (1. - p)
    grad = 4 * p * y + p - 5 * y
    hess = (4 * y + 1) * (p * (1.0 - p))
    return grad, hess

其预测结果不再是【0，1】，而是有正有负。如果再结果上再加一层sigmoid，效果和不自定义损失函数差很多。

 

wwb_306   2020-06-17 08:55


    还没有回答。我来答！  


  相关主题

决策树可以做多元分类吗？   1回答

python里实现一个简单的决策树   1回答

剪枝是什么意思   1回答

Gradient tree boosting和random forest (随机森林) 有什么区别和联系   1回答

怎么得到randomforestregressor里每棵树的预测结果？   1回答

请教lightGBM中的level wise具体计算步骤是怎样的？   1回答

决策树的深度和数据特征个数的关系   1回答

Extra Tree算法   1回答

随机森林警告：A column-vector y was passed when a 1d array was expected   1回答

关于knn算法中kd树的问题   1回答

随机森林预测问题   2回答

gbdt为什么需要泰勒公式展开进行节点分裂计算   2回答

回答问题时需要注意什么?

我们谢绝在回答前讲“生动”的故事。

我们谢绝“这么简单，你自己想”、“书上有的，你认真看”这类的回答；如果你认为对方的提问方式或者内容不妥，你可以直接忽略该问题，不用进行任何作答，甚至可以对该问题投反对票。

我们谢绝答非所问。

我们谢绝自己不会、硬要回答。

我们感激每一个用户在编写答案时的努力与付出！