microsoft/SynapseML

[LightGBM] Regression: how to penalize negative predictions

Open

#918 geöffnet am 2. Sept. 2020

Auf GitHub ansehen
 (18 Kommentare) (0 Reaktionen) (2 zugewiesene Personen)Scala (861 Forks)batch import
area/lightgbmenhancementgood first issue

Repository-Metriken

Stars
 (5.228 Stars)
PR-Merge-Metriken
 (Durchschn. Merge 23h 16m) (2 gemergte PRs in 30 T)

Beschreibung

I have a simple regression task (using a LightGBMRegressor) where I want to penalize negative predictions more than positive ones. Is there a way to achieve this with the default regression LightGBM objectives (see https://lightgbm.readthedocs.io/en/latest/Parameters.html)? If not, is it somehow possible to define (many example for default LightGBM model) and pass a custom regression objective?

Thx in advance!

Contributor Guide

Research-Richtung
Untersuche, wie eine benutzerdefinierte Zielfunktion in LightGBM definiert werden kann, die negative Vorhersagen stärker bestraft als positive. Sieh dir die LightGBM Dokumentation zu benutzerdefinierten Zielfunktionen an und überprüfe, ob der LightGBM Wrapper von SynapseML die Übergabe benutzerdefinierter Ziele unterstützt. Ziehe asymmetrische Verlustfunktionen wie den geneigten Verlust (tilted loss) oder benutzerdefinierte Lambda Ziele in Betracht.
Tech Stack
scala
Domain
machine learning
Issue Type
Recherche
SchwierigkeitGeschätzte Implementierungsschwierigkeit für neue Contributors, von 1 für sehr kleine Änderungen bis 5 für Expertenarbeit.
3
Geschätzte ZeitEin grober Zeitrahmen, um zu recherchieren, zu implementieren, zu testen und einen Pull Request vorzubereiten.
1-3 Stunden
AktivitätsstatusWie verfügbar das Issue gerade wirkt: frisch, aktiv, stale, blockiert oder wartet auf Maintainer-Input.
Aktiv
KlarheitWie klar das Issue die erwartete Änderung, Akzeptanzkriterien und den nächsten Schritt erklärt.
Klar
Voraussetzungen
machine learningLightGBM
EinsteigerfreundlichkeitEin Score von 1 bis 100, der schätzt, wie zugänglich dieses Issue für First-Time Contributors ist.
70