Python XGBoost fit（）未调用自定义评估度量。为什么？

我正在将一个自定义求值度量函数传递给xgbfit（），但Python API丢弃了可调用（即自定义）函数。为什么？ 我们应该如何通过这个函数？或者Python/Scikit API不支持此功能

model = XGBClassifier(scale_pos_weight=scale_pos_weight)
model.fit(X_train, y_train, eval_metric=xgb_f1)

在sklearn.py（第755行）中：

def-fit（自身、X、y、样本重量=无、基准余量=无、，
评估集=无，评估度量=无，
提前停止轮数=无，详细轮数=真，xgb\U模型=无，
示例（权重、评估集=无，回调=无）：
...
feval=eval_度量（如果可调用）（eval_度量）否则无
如果eval_metric不是None：
如果可调用（评估度量）：
eval_metric=None#如果您深入查看源代码，您的自定义评估指标确实正在使用，如果您查看这一行，请查看上面发布的代码片段：

feval = eval_metric if callable(eval_metric) else None

您的自定义评估指标（可调用）将分配给名为
feval
的变量，然后将该变量传递给实际方法
train
，该方法按完成的方式进行拟合。现在，当您查看
train
方法的属性时，您可以发现
feval
对应于
自定义评估函数。由于
xgboost
使用术语
feval
来引用自定义评估指标，而
sklearn
使用术语
eval_metric
，因此xgboost的作者保留了变量名称，以便于理解，并在内部进行此转换

希望这有帮助
 实际上，我对代码进行了更深的跟踪，feval值在某个点消失，并且没有被使用。我可以肯定地告诉您，我的自定义eval_metric函数没有被调用。我在里面放了一个print（）和一个断点，两个都没有被击中。你有适合你的示例代码，我可以试试吗？
feval = eval_metric if callable(eval_metric) else None