加载已保存的XGBoost模型后如何应用自定义目标函数？

你报错的原因是把XGBClassifier实例当作函数调用（model(objective=...)），这是错误用法。正确方式是通过修改模型属性或set_params方法重新指定自定义目标函数。

方法一：直接赋值objective属性 #

加载模型后，将自定义目标函数直接赋值给模型的objective属性：

import os
import numpy as np
from xgboost import XGBClassifier

# 必须定义与训练时完全一致的自定义目标函数
def weighted_binary_cross_entropy(label, pred):
    imbalance_alpha = 90
    sigmoid_pred = 1.0 / (1.0 + np.exp(-pred))
    grad = -(imbalance_alpha ** label) * (label - sigmoid_pred)
    hess = (imbalance_alpha ** label) * sigmoid_pred * (1.0 - sigmoid_pred)
    return grad, hess

# 加载模型
fname = "name.json"
model = XGBClassifier()
model.load_model(fname)

# 重新指定自定义目标函数
model.objective = weighted_binary_cross_entropy

方法二：使用set_params方法 #

也可以通过set_params方法设置目标函数参数：

model.set_params(objective=weighted_binary_cross_entropy)

注意事项 #

• 自定义目标函数的定义必须和训练时完全一致，包括参数名、计算逻辑，否则会导致后续训练或预测异常。
• 若仅用于预测，自定义目标函数不影响最终结果（XGBoost默认会用sigmoid转换输出，和你自定义函数内的逻辑一致），但显式指定能保证流程一致性；若要基于加载后的模型继续训练，必须重新指定目标函数才能沿用原训练逻辑。

内容的提问来源于stack exchange，提问作者horcle_buzz