在SCRICIT学习中实现自定义丢失功能 [英] Implementing custom loss function in scikit learn
问题描述
我想在SCRKIT学习中实现自定义丢失功能。我使用以下代码片段:
def my_custom_loss_func(y_true,y_pred):
diff3=max((abs(y_true-y_pred))*y_true)
return diff3
score=make_scorer(my_custom_loss_func,greater_ is_better=False)
clf=RandomForestRegressor()
mnn= GridSearchCV(clf,score)
knn = mnn.fit(feam,labm)
传递给my_custom_loss_func
的参数应该是什么?我的标签矩阵称为labm
。我想计算实际产出和预测产出(通过模型)乘以真实产出之间的差额。如果我用labm
代替y_true
,我应该用什么代替y_pred
?
推荐答案
好的,这里有3件事:
1)培训时有损失函数用于调整模型参数
2)有一个评分函数,用于判断您的模型的质量
3)有超参数调整功能,它使用评分函数来优化您的超参数。
所以..。如果您正在尝试调优超参数,那么为该目的定义"亏损FXN"是正确的。但是,如果您试图调整整个模型以使其在(比方说)召回测试中表现良好,那么您需要一个召回优化器来作为培训过程的一部分。这很棘手,但你可以做到的…
1)打开您的分类器。例如,让我们使用RFC:https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestClassifier.html
2)点击[源]
3)查看它是如何从Forest分类器继承的?就在类定义中。单击该词可跳转到其父定义。
4)查看此新对象是如何继承自分类器Mixin的?单击该按钮。5)查看该分类器Mixin类的底部是如何表示这一点的?
from .metrics import accuracy_score
return accuracy_score(y, self.predict(X), sample_weight=sample_weight)
那是你的模型正在接受精确度方面的训练。如果你想把你的模型训练成一个"召回模型"或者"精确模型"或者其他任何模型,你需要在这一点上进行注射。此精确度指标包含在SKLearning中。总有一天,一个比我更好的人会让这个参数成为模型接受的参数,但与此同时,你必须进入你的skLearning安装,并将这个Accuracy_Score调整为你想要的任何东西。
祝你好运!
这篇关于在SCRICIT学习中实现自定义丢失功能的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持IT屋!