实施自定义停止指标以直接从R中在H2O模型的训练期间进行优化

Question

我正在尝试实现MLmetrics R包的FBeta_Score() ：

FBeta_Score <- function(y_true, y_pred, positive = NULL, beta = 1) {
   Confusion_DF <- ConfusionDF(y_pred, y_true)
   if (is.null(positive) == TRUE) 
   positive <- as.character(Confusion_DF[1,1])
   Precision <- Precision(y_true, y_pred, positive)
   Recall <- Recall(y_true, y_pred, positive)
   Fbeta_Score <- (1 + beta^2) * (Precision * Recall) / (beta^2 * Precision + 
   Recall)
   return(Fbeta_Score)
 }

在H2O分布式随机森林模型中 ，我想在训练阶段使用custom_metric_func选项对其进行优化。 h2o.randomForest()函数的帮助文档说：

参考自定义评估函数，格式为：'language：keyName = funcName'

但我不明白如何直接从R中使用它以及我应该在stopping_metric选项中指定的内容。

任何帮助，将不胜感激！

Answer 1

目前只有基于Python的自定义函数的后端支持，可以通过h2o.upload_custom_metric（）函数上传到后端。 然后，此函数将返回一个函数引用（这是一个字符串，其命名约定格式为'language:keyName=funcName' ）。 然后，您可以传递给custom_metric参数。

例如：

custom_mm_func = h2o.upload_custom_metric(CustomRmseFunc, func_name="rmse", func_file="mm_rmse.py")

返回一个具有以下值的函数引用：

> print(custom_mm_func)
python:rmse=mm_rmse.CustomRmseFuncWrapper

至于关于使用自定义指标作为停止指标的第二个问题，您可以在此处找到jira票证： https ： ///0xdata.atlassian.net/browse/PUBDEV-5261

您可以在此处找到有关如何使用自定义指标的更多详细信息。