问题标签 [evaluation-function]

objectiveR中的xgboost和fevalin有什么区别？我知道这是非常基本的事情，但我无法准确定义它们/它们的目的。

另外，在进行多类分类时，什么是 softmax 目标？

我正在尝试使用 scikit-learn 中的 f-score 作为 xgb 分类器中的评估指标。这是我的代码：

但是有一个错误：Can't handle mix of binary and continuous

我正在开发一个人工智能来玩一个相当简单的游戏，使用极小极大和遗传算法来找到权重来对棋盘状态进行评分。

游戏类似于 4x4 tictactoe，但可以花一个回合将棋子移动到相邻的空间，棋子有不同的大小，更大的棋子可以覆盖更小的棋子。

我想通过查看各种因素来为棋盘打分，例如他们距离连续完成 4 个有多接近，以及有多少相邻的敌人可能被移动到，但我不知道这些因素应该具体是什么是。

我的想法：对于每一行，根据友方棋子数、空格数和敌方棋子数做一个评分表达式，但我想不出一个简单的表达式来用权重评分，因为值可能赢了不是线性函数。

对于每一行，根据行中敌人的数量制作分段评分表达式，并根据盟友的数量制作表达式。因此，在空行中放置 1 块可能比在充满敌人的行中放置 1 块更有价值，从而阻止它们，而对于已经被阻止的连续 3 块，反之亦然。

我注意到的一些复杂情况：连续拥有 3 个棋子，但其中一个敌人的大棋子也在这一行中，除了阻止他们的棋子移动之外，几乎没有任何价值。

连续拥有 3 个棋子，如果你可以将一个大棋子放在他们的小棋子旁边以移动到该棋子上，那么在那一排有一个小的敌人棋子几乎是一场胜利。这似乎特别难以察觉。如果将其考虑在内，也可能不需要上述“可以移动到的相邻敌人的数量”。

谢谢你的帮助。我不知道如何进行。

每当我尝试使用 DEAP 的 GP 部分评估个人时，我目前都遇到了问题。

我收到以下错误：

如果有人对可能导致此问题的原因有任何想法，那么我将非常感谢一些建议。我当前的评估函数如下所示：

其中数据包含正在使用的数据（错误中列出的 8 个变量的值）以及指定从中获取这 8 个值的 x 和 y 坐标的点。谢谢你的建议！

我希望这是一个容易回答的问题，但我对国际象棋游戏的评估函数如何工作感到有些困惑。我正在使用一个极小极大算法来评估叶节点处的棋盘，同时考虑材料、方块表、移动性等。极小极大算法（不是负极大）的评估函数是否考虑了棋盘上的每一块，无论是黑色还是白色，都可以计算棋盘值，还是只查看 minimser（黑色）或 maximiser（白色）的部分。

例如，当调用 evaluate_board() 方法时，我是对黑色和白色的材质进行求和，还是只是轮到哪一边？

如果这令人困惑，我深表歉意，但我对此并不陌生。即使是一点点的澄清也将不胜感激。谢谢你。

我编写了以下自定义评估函数以与 xgboost 一起使用，以优化 F1。不幸的是，它在使用 xgboost 运行时会返回异常。

评价函数如下：

下面我提供了一个可重现的示例以及错误消息：

我不明白为什么该功能不起作用。我已经按照这里的例子：https ://github.com/dmlc/xgboost/blob/master/demo/guide-python/custom_objective.py

我想了解我错在哪里。

查看 XGBoost 如何计算 tweedie 评估指标 (tweedie-nloglik) 的代码时，我们可以看到它的计算方式如下：

资料来源：以下第 310-313 行： https ://github.com/dmlc/xgboost/blob/master/src/metric/elementwise_metric.cu

对于 1-2 之间的 p 值，该表达式确实显示出与粗花呢偏差表达式的相似性，但似乎没有精确的映射。根据维基百科的 Tweedie 偏差：

如果我删除常量并从 Wikipedia 获取表达式的负对数，我最终不会得到 XGBoost 中等于 -a + b 的表达式。那么我的问题是 XGBoost 计算的值是什么以及它与负对数似然的关系如何？

谢谢！

这个问题涉及人工智能、启发式和博弈论。请提供您的答案的解释。任何帮助将不胜感激