R xgboost中客观与客观的区别

xgboost在R中的

objective

和

feval

之间有什么区别？我知道这是一件非常基本的事情，但我无法准确地定义它们/它们的目的

---

另外，在进行多类别分类时，softmax的目标是什么？

目标

xgboost

中的

目标是学习算法将尝试和优化的目标。根据定义，它必须能够在给定的训练回合中创建第一（梯度）和第二（海森）导数w.r.t.预测

自定义
目标
功能示例：

注意，它只返回一个名称（度量）和一个分数（值）。通常，
feval
和
objective
可能是相同的，但可能您想要的评分机制有点不同，或者没有衍生工具。例如，人们使用logloss
objective
进行训练，但创建AUC
feval
来评估模型

此外，一旦模型停止改进，您可以使用
feval
停止训练。您可以使用多个
feval
函数以不同的方式对模型进行评分，并观察所有这些评分

训练模型不需要
feval
函数。只是为了评估它，帮助它尽早停止训练

摘要：

目标
是主要工作

feval
是允许
xgboost
做一些很酷事情的助手

softmax
是一个
目标
函数，常用于多类分类。它确保您的所有预测总和为一，并使用指数函数进行缩放

# user define objective function, given prediction, return gradient and second order gradient
# this is loglikelihood loss
logregobj <- function(preds, dtrain) {
  labels <- getinfo(dtrain, "label")
  preds <- 1/(1 + exp(-preds))
  grad <- preds - labels
  hess <- preds * (1 - preds)
  return(list(grad = grad, hess = hess))
}

evalerror <- function(preds, dtrain) {
  labels <- getinfo(dtrain, "label")
  err <- as.numeric(sum(labels != (preds > 0)))/length(labels)
  return(list(metric = "error", value = err))
}