python - 在 scikit learn 中自定义损失函数

Question

如何在 scikit learn 中自定义损失函数？例如，我想使用 MSE 乘以样本的真实值，而不是使用均方误差。我使用了以下代码片段：

def my_custom_loss_func(y_true,y_pred):
    diff3=(abs(y_true-y_pred))*y_true
    return diff3

clf=RandomForestRegressor(criterion=my_custom_loss_func)
knn=clf.fit(feam,labm)

我收到以下错误：

KeyError: <function my_custom_loss_func at 0x000000002EA9CA60>

标签： pythonpython-3.xmachine-learningscikit-learnloss-function

Answer 1

您可以在 scikit learn 中自定义损失函数，为此您需要将make_scorer工厂应用于您的自定义损失函数，例如：

from sklearn.metrics import make_scorer
score = make_scorer(my_custom_loss_func, greater_is_better=False)

在您使用随机森林的特定情况下，尽管您无法自定义标准，但您可以做的是优化超参数，GridSearchCV并且您可以使用自定义损失。