首页
/ MLJAR-Supervised中自定义评估指标NMAE的实现要点

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:

  1. 集成学习阶段传入的true和pred参数可能是pandas DataFrame格式
  2. 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

  1. 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
  2. 维度处理:将二维预测结果(pred.shape = [n_samples, 1])转换为一维数组
  3. 核心计算:保持原始NMAE计算逻辑不变
  4. 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

热门内容推荐

最新内容推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
149
1.95 K
kernelkernel
deepin linux kernel
C
22
6
openHiTLSopenHiTLS
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
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
274
RuoYi-Vue3RuoYi-Vue3
🎉 (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-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
190
nop-entropynop-entropy
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
金融AI编程实战金融AI编程实战
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
openHiTLS-examplesopenHiTLS-examples
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
CangjieCommunityCangjieCommunity
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