如何在与 class_weights 兼容的 Catboost (python) 中定义自定义评估指标？

问题描述

使用 this example，我为 catboost 创建了一个精确召回 AUC 评估指标。但是，我需要一些关于如何使其与 class_weights 参数兼容的指导，我将在其中传递列表（例如：[625.0,0.500400320256205]），因为我有很大的类不平衡。以下是我的自定义评估指标：

from sklearn.metrics import average_precision_score
import numpy as np
from scipy.special import expit

# define pr-AUC custom eval metric
class PrecisionRecallAUC:
    # define a static method to use in evaluate method
    @staticmethod
    def get_pr_auc(y_true,y_pred):
        # fit predictions to logistic sigmoid function
        y_pred = expit(y_pred).astype(float)
        # actual values should be 1 or 0 integers
        y_true = y_true.astype(int)
        # calculate average precision
        flt_pr_auc = average_precision_score(y_true=y_true,y_score=y_pred)
        
        return flt_pr_auc
    
    # define a function to tell catboost that greater is better (or not)
    def is_max_optimal(self):
        # greater is better
        return True

    # get the score
    def evaluate(self,approxes,target,weight):
        # make sure length of approxes == 1
        assert len(approxes) == 1
        # make sure length of target is the same as predictions
        assert len(target) == len(approxes[0])
        # set target to integer and save as y_true
        y_true = np.array(target).astype(int)
        # save predictions
        y_pred = approxes[0]
        # generate score
        score = self.get_pr_auc(y_true=y_true,y_pred=y_pred)
        return score,1

    # return score
    def get_final_error(self,error,weight):
        return error

如何在此自定义评估指标中使用我的类权重列表？

提前致谢。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）