最近參加了一個機器學習比賽，裡面的評價函式比較特別，是這樣的：

其實也並不特別，就是在均方誤差（MSE）的基礎上再乘了一個0.5
但是眾所周知，XGBoost中的評價函式（eval_metric）只提供了一下幾種選值：

rmse 均方根誤差
mae 平均絕對誤差
logloss 負對數似然函式值
error 二分類錯誤率
merror 多分類錯誤率
mlogloss 多分類logloss損失函式
auc 曲線下面積

所以，為了在XGBoost訓練時能夠能準確，只能自己定義一個評價函數了：

def myFeval(preds, xgbtrain):
    label = xgbtrain.get_label()
    score = mean_squared_error(label,preds)*0.5
 

    return 'myFeval',score

這個函式有兩個輸入，需要注意的是第二個輸入xgbtrain，這個輸入是和你定義的xgb的訓練集的命名有關的，我在這裡的命名是這樣的：

xgbtrain = xgb.DMatrix(X_train,y_train)

所以，我的函式的第二個輸入是xgbtrain

然後函式返回兩個值，一個是這個評價函式的名字，是一個字串形式，另一個就是你自己定的評價函式的值。函式自定義完畢之後如何應用呢？

model = xgb.train(params, xgbtrain, num_rounds, watchlist, early_stopping_rounds=25
 
,feval = myFeval)

在xgb.train中加上一個引數feval = myFeval就ok了

最後的執行結果：