如何更改XGboost中的損耗矩陣（在R中）？

Question

我想將誤報成本高於誤報成本的二進制變量分類。

在rpart包中，我們使用損失矩陣，添加parms = list(loss=matrix(c(0,1,5,0),nrow=2))來將錯誤的示例錯誤分類為正值是正值的5倍而不是將一個正面的例子錯誤地歸類為負面的代價。

如何使用XGboost做到這XGboost ？

Answer 1

您在尋找scale_pos_weight參數嗎？

https://github.com/dmlc/xgboost/blob/master/doc/parameter.md

scale_pos_weight，[默認值= 1]控制正負權重的平衡，對不平衡類很有用。 需要考慮的典型值：sum（負數）/ sum（正數）有關更多討論，請參見參數調整。 另請參見Higgs Kaggle競爭演示示例：R，py1，py2，py3

您可以使用類似：

clf = xgb.XGBRegressor(objective='binary:logistic', 
                       scale_pos_weight= 5,
                       max_depth=3,
                       n_estimators=100)

在python中，sklearn api。

Answer 2

假設您正在使用xgboost包，則可以使用watchlist參數。 它是xgb.DMatrix的列表，每個標簽都標記有一個名稱。 您可以使用eval.metric參數，也可以使用多個評估指標。

watchlist <- list(train=dtrain, test=dtest)

bst <- xgb.train(data=dtrain, max.depth=2, eta=1, nthread = 2,
eval.metric = "error", eval.metric = "logloss", nround=2,
watchlist=watchlist, objective = "binary:logistic")

如果xgboost github頁面中的大量指標無法滿足您的需求，那么正如他們所說，您可以生成自己的指標，例如，假陽性和假陰性的加權總和，其中假陽性的權重是假陰性的五倍。