可能的错误？自定义目标函数不随比例变化

如何解决可能的错误？自定义目标函数不随比例变化

脚本有两个损失，平方损失 L_a = (y-F(x))^2 和相同的损失，但具有 0.5 因子：L_b = 0.5*(y-F(x))^2。使用 L_a 让我得到一个分裂的树（即使 max_split 设置为 > 1），但使用 L_b 导致没有分裂的树。两者之间应该没有区别，因为它们仅相差一个常数因子。

我确保设置了 gamma=0（允许拆分的最小改进）并将 lambda=0（L_2 罚分）设置为零，但仍然遇到此问题。>

第 202 行和第 203 行报告的 eval-rmse 和 eval-error 不匹配，即使在计算了 eval-error 的 sqrt 之后也是如此。

我在 R 和 Python 上试过这个，都返回相同的结果。有没有我省略的参数？不知道如何处理这个问题。任何帮助将不胜感激！

x1 = np.random.uniform(0,1,10000)
x2 = np.random.uniform(0,10000)
x3 = np.random.uniform(0,10000)
y = 10*x1*x2+np.random.normal(size=10000)*x2

x1_train = x1[:8000,]
x2_train = x2[:8000,]
y_train = y[:8000,]
x1_test = x1[8000:,]
x2_test = x2[8000:,]
y_test = y[8000:,]

data_train= np.asmatrix(pd.DataFrame(x1_train,x2_train))
data_test = np.asmatrix(pd.DataFrame(x1_train,x2_train))

def logregobj(preds,data_train):
    labels = data_train.get_label()
    grad = -2*(labels-preds)/len(labels)
    hess = grad*0 + 2/len(labels)
    return grad,hess

def evalerror(preds,data_train):
    labels = data_train.get_label()

    return 'error',float((sum(labels - preds)**2) / len(labels))

def logregobj2(preds,data_train):
    labels = data_train.get_label()
    grad = (-2*(labels-preds)/len(labels))/2
    hess = (grad*0 + 2/len(labels))/2
    return grad,hess

def evalerror2(preds,data_train):
    labels = data_train.get_label()
    return 'error',(float(sum(labels - preds)**2) / len(labels))/2

data_train = xgb.DMatrix(data_train,label=y_train)
data_test = xgb.DMatrix(data_test,label=y_test)

param = {'max_depth': 3,'eta': 1,'n_thread': 3,'verbosity':2,'lambda':0,'gamma':0}
watchlist = list([(dtest,'eval'),(dtrain,'train')])
num_round = 5

bst = xgb.train(param,dtrain,num_round,watchlist,logregobj,evalerror)

bst = xgb.train(param,logregobj2,evalerror2)