15分钟
度量参数
metric
:一个字符串,指定了度量的指标,默认为:对于回归问题,使用l2
; 对于二分类问题,使用binary_logloss
;对于lambdarank
问题,使用ndcg
。'l1'
或者mean_absolute_error
或者mae
或者regression_l1
: 表示绝对值损失'l2'
或者mean_squared_error
或者mse
或者regression_l2
或者regression
:表示平方损失'l2_root'
或者root_mean_squared_error
或者rmse
:表示开方损失'quantile'
: 表示Quantile
回归中的损失'mape'
或者'mean_absolute_percentage_error'
:表示MAPE
损失'huber'
: 表示huber
损失'fair'
: 表示fair
损失'poisson'
: 表示poisson
回归的负对数似然'gamma'
: 表示gamma
回归的负对数似然'gamma_deviance'
: 表示gamma
回归的残差的方差'tweedie'
: 表示Tweedie
回归的负对数似然'ndcg'
: 表示NDCG
'map'
或者'mean_average_precision'
: 表示平均的精度'auc'
: 表示AUC
'binary_logloss'
或者'binary'
: 表示二类分类中的对数损失函数'binary_error'
: 表示二类分类中的分类错误率'multi_logloss'
或者'multiclass'
或者'softmax'
或者'multiclassova'
或者'multiclass_ova'
,或者'ova'
或者'ovr'
: 表示多类分类中的对数损失函数'multi_error'
: 表示多分类中的分类错误率'xentropy'
或者'cross_entropy'
: 表示交叉熵'xentlambda'
或者'cross_entropy_lambda'
: 表示intensity
加权的交叉熵'kldiv'
或者'kullback_leibler'
: 表示KL
散度
如果有多个度量指标,则用逗号
,
分隔。2.
metric_freq
或者'output_freq
': 一个正式,表示每隔多少次输出一次度量结果。默认为1 。3.
train_metric
或者training_metric
或者is_training_metric
: 一个布尔值,默认为False
。 如果为True
,则在训练时就输出度量结果。4.
ndcg_at
或者ndcg_eval_at
或者eval_at
: 一个整数列表,指定了NDCG
评估点的位置。默认为1,2,3,4,5
。
学员评价