自定義丟失函數sklearn

Question

我想在數據科學項目中進行預測，並通過非對稱函數計算誤差。

是否有可能調整的隨機森林或梯度推進（的sklearn）的損失函數？

我已閱讀，則需要修改.pyx文件，但我無法找到任何在我sklearn文件夾（我是在Ubuntu 14.04 LTS）。

您有什麼建議嗎？

Answer 1

您不需要更改任何文件中的任何內容。

修改.py文件通常是一個壞主意，一個應該避免這樣做。

如果你想創建自己的評分函數，here是鏈接到sklearn的文檔，說明如何做到這一點。

Answer 2

是的，可以調整。例如：

class ExponentialPairwiseLoss(object): 
    def __init__(self, groups): 
     self.groups = groups 

    def __call__(self, preds, dtrain): 
     labels = dtrain.get_label().astype(np.int) 
     rk = len(np.bincount(labels)) 
     plus_exp = np.exp(preds) 
     minus_exp = np.exp(-preds) 
     grad = np.zeros(preds.shape) 
     hess = np.zeros(preds.shape) 
     pos = 0 
     for size in self.groups: 
      sum_plus_exp = np.zeros((rk,)) 
      sum_minus_exp = np.zeros((rk,)) 
      for i in range(pos, pos + size, 1): 
       sum_plus_exp[labels[i]] += plus_exp[i] 
       sum_minus_exp[labels[i]] += minus_exp[i] 
      for i in range(pos, pos + size, 1): 
       grad[i] = -minus_exp[i] * np.sum(sum_plus_exp[:labels[i]]) +\ 
          plus_exp[i] * np.sum(sum_minus_exp[labels[i] + 1:]) 
       hess[i] = minus_exp[i] * np.sum(sum_plus_exp[:labels[i]]) +\ 
          plus_exp[i] * np.sum(sum_minus_exp[labels[i] + 1:]) 
      pos += size 
     return grad, hess