LightGBM训练API如何在保留内置指标时仅用自定义指标早停

LightGBM 3.x 原生训练API确实不支持在params的metric配置中混传自定义可调用对象和内置指标名，但你要的需求可以通过early_stopping_metric参数轻松实现，无需更换API，也无需自行实现内置指标。

核心实现逻辑 #

1. 在params的metric参数中配置所有你需要跟踪的内置评估指标
2. 通过feval参数传入自定义评估指标，注意自定义指标需要返回(指标名称, 指标值, 是否越大越好)格式的三元组
3. 在lgb.train()中添加early_stopping_metric参数，值设为你的自定义指标返回的指标名称，早停就只会基于该指标触发，其他所有内置指标仍会正常输出和记录

完整示例代码 #

import lightgbm as lgb
import numpy as np
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split

# 自定义评估指标示例
def my_eval_metric(y_pred, y_true):
    y_pred_label = np.where(y_pred > 0.5, 1, 0)
    acc = np.mean(y_pred_label == y_true.get_label())
    # 返回格式要求：(指标名, 指标计算结果, 该指标是否越大越好)
    return "my_custom_acc", acc, True

# 构造测试数据集
X, y = make_classification(n_samples=10000, n_features=20, random_state=42)
X_train, X_val, y_train, y_val = train_test_split(X, y, test_size=0.2, random_state=42)
d_train = lgb.Dataset(X_train, y_train)
d_val = lgb.Dataset(X_val, y_val, reference=d_train)

# 训练参数配置
params = {
    "objective": "binary",
    "boosting_type": "gbdt",
    # 配置需要跟踪的所有内置指标
    "metric": ["binary_logloss", "auc"],
    "learning_rate": 0.01,
    "seed": 42
}

evals_result = {}
model = lgb.train(
    params,
    d_train,
    num_boost_round=1000,
    valid_sets=[d_val],
    # 传入自定义评估指标
    feval=my_eval_metric,
    early_stopping_rounds=20,
    # 关键配置：指定早停仅参考自定义指标
    early_stopping_metric="my_custom_acc",
    evals_result=evals_result,
    verbose_eval=10
)

效果验证 #

• 训练日志会同时输出binary_logloss、auc、my_custom_acc三个指标的实时值
• 早停仅会判断my_custom_acc是否连续20轮没有提升，不受其他指标波动影响
• 所有指标的训练历史都会完整保存在evals_result中，可后续提取分析

版本兼容性说明 #

early_stopping_metric参数在LightGBM 2.3.0及以上版本均支持，你使用的3.2.1版本可以直接使用。

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