损失的不对称函数

Question

我正在使用 LightGBM，我需要实现一个损失函数，当预测低于目标值时，它会在训练期间给予惩罚。换句话说，我认为低估比高估要糟糕得多。我发现这个建议正好相反：

def custom_asymmetric_train(y_true, y_pred):
    residual = (y_true - y_pred).astype("float")
    grad = np.where(residual<0, -2*10.0*residual, -2*residual)
    hess = np.where(residual<0, 2*10.0, 2.0)
    return grad, hess
def custom_asymmetric_valid(y_true, y_pred):
    residual = (y_true - y_pred).astype("float")
    loss = np.where(residual < 0, (residual**2)*10.0, residual**2) 
    return "custom_asymmetric_eval", np.mean(loss), False

https://towardsdatascience.com/custom-loss-functions-for-gradient-boosting-f79c1b40466d)

如何根据我的目的修改它？

Answer 1

我相信这个函数是你想要做出改变的地方。

def custom_asymmetric_valid(y_true, y_pred):
     residual = (y_true - y_pred).astype("float")
     loss = np.where(residual < 0, (residual**2)*10.0, residual**2) 
     return "custom_asymmetric_eval", np.mean(loss), False

计算出loss的那条线有比较。

loss = np.where(residual < 0, (residual**2)*10.0, residual**2) 

当residual小于0时，loss为residual^2 * 10 其中大约为 0 时，损失只是重新分配^2。

因此，如果我们将小于改为大于。这将翻转倾斜。

loss = np.where(residual > 0, (residual**2)*10.0, residual**2)