lightgbm中的f1_score指标

Question

我想培养与定制度量的LGB模式：f1_score与weighted平均水平。

我在这里遍历了lightgbm的高级示例，并发现了自定义二进制错误函数的实现。我实现了类似的功能来返回f1_score，如下所示。

def f1_metric(preds, train_data):

    labels = train_data.get_label()

    return 'f1', f1_score(labels, preds, average='weighted'), True

我试图通过传递feval参数来训练模型，f1_metric如下所示。

evals_results = {}

bst = lgb.train(params, 
                     dtrain, 
                     valid_sets= [dvalid], 
                     valid_names=['valid'], 
                     evals_result=evals_results, 
                     num_boost_round=num_boost_round,
                     early_stopping_rounds=early_stopping_rounds,
                     verbose_eval=25, 
                     feval=f1_metric)

然后我得到 ValueError: Found input variables with inconsistent numbers of samples:

训练集将传递给函数，而不是验证集。

如何配置以便通过验证集并返回f1_score。

Answer 1

该文档有点混乱。在描述传递给feval的函数的签名时，他们将其参数 称为preds 和 train_data ，这有点误导。

但是以下似乎有效：

from sklearn.metrics import f1_score

def lgb_f1_score(y_hat, data):
    y_true = data.get_label()
    y_hat = np.round(y_hat) # scikits f1 doesn't like probabilities
    return 'f1', f1_score(y_true, y_hat), True

evals_result = {}

clf = lgb.train(param, train_data, valid_sets=[val_data, train_data], valid_names=['val', 'train'], feval=lgb_f1_score, evals_result=evals_result)

lgb.plot_metric(evals_result, metric='f1')

要使用多个自定义指标，请像上面定义一个整体自定义指标函数，在其中您可以计算所有指标并返回一个元组列表。

编辑：固定代码，当然F1越大越好，应将其设置为True。