如何解决我可以根据总体子集为 GBM或任何 ML 算法指定损失函数吗?
我正在尝试为我有两个亚群的 GBM 创建一个损失函数,假设按性别划分。除了尝试正确预测实际值之外,我还想惩罚模型在一种性别上的表现是否优于另一种性别。例如,我可能愿意牺牲模型的整体性能来减少男性与女性假阴性率之间的差异。我找到了为损失函数添加额外参数的解决方案,但我找不到任何可以根据潜在人口特征操纵损失函数的方法。标签 y_true,y_pred 不包含此信息,那么我有什么方法可以提供这种区别吗?任何见解将不胜感激!
解决方法
您可以尝试操作数据的权重,如 here 所述(在“权重数据”部分)。假设您将使用 LightGBM,请按照以下方式(Python 代码)根据变量应用权重(例如,如果您希望男性的损失值女性损失的一半):
weights = pd.Series(index = ['male','female'],data = [0.5,1])
train_weights = X_train.Gender.replace('male',weights.loc['male']).replace('female',weights.loc['female'])
test_weights = X_test.Gender.replace('male',weights.loc['female'])
model = LGBMClassifier()
model.fit(X = X_train,y = y_train,sample_weight = train_weights,eval_set = (X_test,y_test),eval_sample_weight = [test_weights])
您可以在 here 中找到有关它的更多信息,以及指向之前讨论的链接。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。