def lgb_custom_eval(y_pred: np.ndarray,
data: lgb.Dataset,
func_loss,
func_name: str,
is_higher_better: bool,
is_lgbdataset: bool = True):
"""
lightGBMのcustomized objectiveの共通関数
Params::
y_pred:
予測値. multi classの場合は、n_sample * n_class の長さになったいる
値は、array([0データ目0ラベルの予測値, ..., Nデータ目0ラベルの予測値, 0データ目1ラベルの予測値, ..., ])
data:
train_set に set した値
func_loss:
y_pred, y_true を入力に持つ
"""
if is_lgbdataset == False:
y_true = y_pred.copy()
y_pred = data
else:
y_true = data.label
if is_callable(data, "ndf_label"):
y_true = data.get_culstom_label(y_true.astype(int))
if y_pred.shape[0] != y_true.shape[0]:
# multi class の場合
y_pred = y_pred.reshape(-1, y_true.shape[0]).T
value = func_loss(y_pred, y_true)
return func_name, value, is_higher_better
def lgb_custom_objective(y_pred: np.ndarray,
data: lgb.Dataset,
func_loss,
is_lgbdataset: bool = True):
"""
lightGBMのcustomized objectiveの共通関数
Params::
y_pred:
予測値. multi classの場合は、n_sample * n_class の長さになったいる
値は、array([0データ目0ラベルの予測値, ..., Nデータ目0ラベルの予測値, 0データ目1ラベルの予測値, ..., ])
data:
train_set に set した値
func_loss:
y_pred, y_true を入力に持ち、y_pred と同じ shape を持つ return をする
is_lgbdataset:
lgb.dataset でなかった場合は入力が逆転するので気をつける
"""
if is_lgbdataset == False:
y_true = y_pred.copy()
y_pred = data
else:
y_true = data.label
if is_callable(data, "ndf_label"):
y_true = data.get_culstom_label(y_true.astype(int))
if y_pred.shape[0] != y_true.shape[0]:
# multi class の場合
y_pred = y_pred.reshape(-1, y_true.shape[0]).T
grad, hess = func_loss(y_pred, y_true)
return grad.T.reshape(-1), hess.T.reshape(-1)