0

我使用 Hyperopt 在 Python 3.7 中选择 XGBoost 模型的参数。

作为目标，我使用返回多个值的函数，包括损失：

def objective(params, n_folds = nfold):
...
    return {'loss': loss, 'params': params, 'iteration': ITERATION,
            'estimators': n_estimators, 
            'train_time': run_time, 'status': STATUS_OK}

在我的情况下，'loss' - 不是交叉验证中的包容性参数（例如'auc'），但它是自制的指标。我希望，这将通过迭代减少，但它会继续变化，就像随机方法一样。

此外，当我看到 fmin 计算状态时（示例 - 下面）。我看到完全不同的指标正在下降。

XGB CV model report                                                                                                    
    Best test-auc-mean 98.51% (std: 0.21%)
 83%|███████████████████████████████████████▏       | 25/30 [08:26<07:23, 88.64s/trial, best loss: 0.22099999999999997]

我怎么知道，Hyperopt 降低的实际指标是什么？

4

1 回答 1

0

下面的最佳损失 - 是我的指标。我很困惑，因为它显示的不是当前的度量值，而是最好的。此外，该算法正在尝试改进它。然而，在 30 次迭代之后，可能会看到指标的改进，而是数百次迭代。

XGB CV 模型报告
Best test-auc-mean 98.51% (std: 0.21%) 83%|█████████████████████████████ ██████████▏ | 25/30 [08:26<07:23, 88.64s/试验，最佳损失：0.22099999999999997]

于 2020-06-23T06:15:18.593 回答