在损失函数中调整XgBoost中预测类别的权重 [英] adjust weights for predicted classes in xgboost in loss function

问题描述

是否可以调整给定目标的加权误差？我试图做的是在预测多类时，对较稀有类的损失进行更高的加权。

推荐答案

如果使用核心数据结构，可以通过"Set_Weight"参数设置标签的权重：

set_weight(Weight)设置每个实例的权重。

参数：权重(类似数组)-每个数据点的权重

虽然关于这个主题的文档相当平淡，但我找到了一个可能对上一个主题有用的合理答案：How is the parameter "weight" (DMatrix) used in the gradient boosting procedure (xgboost)?

引用：

实例权重文件

XGBoost支持为每个实例提供区分权重 实例的重要性。例如，如果我们提供一个实例 示例中Train.txt文件的权重文件如下：

Train.txt.weight

%1

0.5

0.5

%1

0.5

这意味着XGBoost将更加强调第一和第四 实例，也就是说，边训练边积极实例。这个 配置类似于配置群组信息。如果 实例文件名为"xxx"，XGBoost将检查是否存在 同一目录中名为"xxx.weight"的文件，如果有，将 训练模型时使用权重。

希望能有所帮助！

这篇关于在损失函数中调整XgBoost中预测类别的权重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！