metric跟eval_metric有什么区别

最新推荐文章于 2022-04-07 16:35:01 发布

缘源园

最新推荐文章于 2022-04-07 16:35:01 发布

阅读量3.2k

点赞数 1

分类专栏：机器学习文章标签：机器学习 python 数据分析人工智能深度学习

本文链接：https://blog.csdn.net/weixin_48135624/article/details/115173785

版权

机器学习专栏收录该内容

61 篇文章 3 订阅

订阅专栏

本文解析了eval_metric在机器学习中使用的两种形式——字典和列表，介绍了如何选择logloss、auc、rmse等评估指标，并展示了它们在不同任务中的应用。重点讨论了如何在回归和分类任务中灵活运用这些评价函数。

摘要由CSDN通过智能技术生成

metric 用的是字典的方式像这样 {“logloss,"auc”}

eval_metric 用的是列表的方式["auc",“rmse”,"logloss"]

eval_metric是评价函数，对模型的训练没有影响，而是在模型训练完成之后评估模型效果。如我们经常使用logloss作为objective，经常与之搭配的评价函数是auc、acc等。

评估标准。使用方法： eval_metric = 'error' 

回归任务(默认rmse)
	rmse--均方根误差
	mae--平均绝对误差
	
分类任务(默认error)
	auc--roc曲线下面积
	error--错误率（二分类）
	merror--错误率（多分类）
	logloss--负对数似然函数（二分类）
	mlogloss--负对数似然函数（多分类）
    map--平均正确率