如何将其他参数传递给lgbm自定义损失函数？

问题描述

我已经通过以下方式编写了rmsse自定义损失函数

def wrmsse(preds,y_true,store_name):
    '''
    preds - Predictions: pd.DataFrame of size (30490 rows,N day columns)
    y_true - True values: pd.DataFrame of size (30490 rows,N day columns)
    sequence_length - np.array of size (42840,)
    sales_weight - sales weights based on last 28 days: np.array (42840,)
    '''
    preds = preds[-(30490 * 28):]
    y_true = y_true.get_label()[-(30490 * 30490):]
    preds = preds.reshape(28,30490).T
    y_true = y_true.reshape(28,30490).T    
    sw = list(SW_store.keys())[key]
    return 'wrmsse',np.sum(np.sqrt(np.mean(np.square(rollup(preds-y_true)),axis=1)) * sw)/12,False #<-used 

我正在训练如下模式

model = 

store_name = 'CA_1    lgbm.train(params,train_set=train_set,num_boost_round=2500,early_stopping_rounds=50,valid_sets=val_set,verbose_eval = 100,feval= wrmsse)

我想将商店名称作为参数传递，怎么办？

解决方法

您可以通过将您的自定义 ndarray 附加到数据集来实现，

例如，在声明数据集后，设置自定义类属性，

dtrain = lgb.Dataset(X_train,y_train,feature_name =feature_names,categorical_feature=categorical_feature,free_raw_data=False)
dval = lgb.Dataset(X_val,y_val,reference=dtrain,free_raw_data=False)

dtrain.indexes = np.arange(0,X_train.shape[0])
dval.indexes =  np.arange(0,X_val.shape[0])

这里的索引是我想在度量中使用的自定义数组，

然后，在您的度量函数中，将您的自定义数组作为闭包传递并使用索引访问它们，

def utility_score(weight,resp,date_):   
    def func(preds,train_data):
        score = 0.
        labels = train_data.get_label()
        indexes = train_data.indexes
        y_pred = preds.reshape(-1,1)

        weight_ = weight[indexes,:]
        resp_ = resp[indexes,:]
        date__ = date_[indexes,:]
       
        # do whatever with ur custom vars and calculate score....
        
        return 'utility',score,True
    return func

像这样使用它，

feval=utility_score(weight,date_)