Ich habe kategorische Daten und eine Zielfunktion, die ich zu optimieren versuche. In xgboost docs wird erwähnt, dass Sie Ihre eigene Zielfunktion angeben können, aber den Verlauf und den Hessian-Wert zurückgeben müssen. Ich bin nicht sicher, was der Hessian oder Gradient bedeutet, wenn ich kategorische Daten habe. Die Zielfunktion sieht ungefähr so ausIst es möglich, eine benutzerdefinierte Zielfunktion von kategorischen Daten an xgboost in Python zu liefern?
sum_{all classes i} ((number of correct predictions in class_i)/(number in class i))
Ist es möglich, in diesem Fall eine benutzerdefinierte Zielfunktion zu erstellen?