如何获取xgb.DMatrix的索引，为feval函数添加信息？

要获取xgb.DMatrix的索引并为feval函数添加信息，可以按照以下步骤进行操作：

首先，导入xgboost库并加载数据集：

import xgboost as xgb

# 加载数据集
data = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
labels = [1, 0, 1]
dtrain = xgb.DMatrix(data, label=labels)

创建一个自定义的评估函数（feval函数）：

def custom_eval(preds, dtrain):
    labels = dtrain.get_label()  # 获取训练集的标签
    # 在这里添加你想要的额外信息
    # 例如，计算准确率
    accuracy = sum(labels == (preds > 0.5)) / len(labels)
    return 'accuracy', accuracy

在训练模型时，通过设置evals参数来指定使用自定义的评估函数：

params = {'objective': 'binary:logistic', 'eval_metric': 'logloss'}
num_rounds = 10

# 训练模型并使用自定义的评估函数
xgb.train(params, dtrain, num_rounds, evals=[(dtrain, 'train')], feval=custom_eval)

在这个例子中，我们使用了自定义的评估函数custom_eval来计算模型的准确率。在该函数中，我们通过调用dtrain.get_label()方法获取训练集的标签，并根据预测结果计算准确率。你可以根据需要在自定义评估函数中添加其他额外的信息。

请注意，以上示例中的代码仅用于演示目的，实际使用时可能需要根据具体情况进行适当的修改。

关于xgboost和xgb.DMatrix的更多信息，你可以参考腾讯云的相关产品和文档：

请注意，以上链接仅为示例，实际使用时可能需要根据具体情况进行适当的调整。