MLJAR-Supervised中自定义评估指标NMAE的实现要点
2025-06-26 06:30:28作者:范靓好Udolf
在机器学习项目中使用自定义评估指标是常见需求,MLJAR-Supervised作为一个自动化机器学习工具,支持用户自定义评估函数。本文将以NMAE(Normalized Mean Absolute Error)指标为例,详细介绍在MLJAR-Supervised中实现自定义评估指标的关键技术要点。
什么是NMAE指标
NMAE(归一化平均绝对误差)是MAE指标的归一化版本,计算公式为:
NMAE = MAE / mean(|true_values|)
相比原始MAE,NMAE通过除以真实值的绝对均值,使得误差值在不同量纲的数据集间具有可比性。
基础实现的问题
最直观的NMAE实现可能如下:
def NMAE(true, pred, sample_weight=None):
mae = np.mean(np.abs(true - pred))
score = mae / np.mean(np.abs(true))
return score
然而在MLJAR-Supervised的集成学习(Ensemble)阶段,这种实现会报错:"unsupported operand type(s) for +: 'float' and 'NoneType'"
问题原因分析
该错误源于MLJAR-Supervised的集成学习阶段对预测结果的特殊处理方式:
- 集成学习阶段传入的true和pred参数可能是pandas DataFrame格式
- 预测结果pred可能是二维数组(pred.shape = [n_samples, 1]),而非一维数组
健壮的实现方案
为确保自定义指标在所有学习阶段(包括集成学习)都能正常工作,需要添加类型检查和维度处理:
def NMAE(true, pred, sample_weight=None):
# 类型转换处理
if isinstance(true, pd.DataFrame):
true = np.array(true)
if isinstance(pred, pd.DataFrame):
pred = np.array(pred)
# 维度处理
if len(pred.shape) == 2 and pred.shape[1] == 1:
pred = pred.ravel()
# 核心计算逻辑
mae = np.mean(np.abs(true - pred))
score = mae / np.mean(np.abs(true))
return score
关键实现要点
- 类型检查与转换:使用isinstance检查输入是否为DataFrame,必要时转换为numpy数组
- 维度处理:将二维预测结果(pred.shape = [n_samples, 1])转换为一维数组
- 核心计算:保持原始NMAE计算逻辑不变
- 权重参数:虽然本例未使用sample_weight,但保留参数接口以保持兼容性
总结
在MLJAR-Supervised中实现自定义评估指标时,不能仅考虑基础计算逻辑,还需要考虑框架在不同学习阶段可能的数据格式变化。特别是集成学习阶段,预测结果的格式可能与基础学习器阶段不同。通过添加类型检查和维度处理,可以确保自定义指标在所有学习阶段都能稳定工作。
这种实现方式不仅适用于NMAE指标,也可作为其他自定义评估指标的参考模板,帮助开发者构建更健壮的自动化机器学习流程。
登录后查看全文
热门项目推荐
- QQwen3-Omni-30B-A3B-InstructQwen3-Omni是多语言全模态模型,原生支持文本、图像、音视频输入,并实时生成语音。00
- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0269get_jobs
💼【AI找工作助手】全平台自动投简历脚本:(boss、前程无忧、猎聘、拉勾、智联招聘)Java00AudioFly
AudioFly是一款基于LDM架构的文本转音频生成模型。它能生成采样率为44.1 kHz的高保真音频,且与文本提示高度一致,适用于音效、音乐及多事件音频合成等任务。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile08
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
149
1.95 K

deepin linux kernel
C
22
6

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
980
395

React Native鸿蒙化仓库
C++
192
274

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
931
555

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
190

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
66

本仓将为广大高校开发者提供开源实践和创新开发平台,收集和展示openHiTLS示例代码及创新应用,欢迎大家投稿,让全世界看到您的精巧密码实现设计,也让更多人通过您的优秀成果,理解、喜爱上密码技术。
C
65
518

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.11 K
0