在損失函數中調整xgboost中的預測類的權重

Question

是否可以調整給定目標的加權誤差？我在嘗試做的事情是在預測多類時減少較少類的損失。

Answer 1

如果使用核心數據結構，你可以通過「set_weight」參數設置標籤的重量：

set_weight（重量）重設置每個實例。

參數：重量（陣列等） - 每個數據點

雖然文件是關於該主題相當低迷體重，我已經找到一個合理的答案，可能是在此之前的話題有用：How is the parameter "weight" (DMatrix) used in the gradient boosting procedure (xgboost)?

引用它：

實例重量文件

XGBoost支承實爲每個實例提供一個權重來區分實例的重要性。例如，如果我們提供了在例如如下的 「train.txt」 文件的一個實例 重量的文件：

train.txt.weight

0.5

0.5

0.5

這意味着XGBoost會更強調第一個和第四個 實例，也就是說在訓練期間有積極的實例。 配置與配置組信息相似。如果 實例文件名爲「xxx」，則XGBoost將檢查在同一目錄中是否存在名爲「xxx.weight」的 文件，如果存在， 將在訓練模型時使用權重。

希望它有幫助！