如何写自定义评价函数，需要保证训练集和验证集的AUC差的最小，且验证AUC最好的。

[cfkstat]

示例中的reward_metric的函数，好像只传了训练集的预测值和实际值？

[oaksharks]

@cfkstat 这类需求需要使用多目标优化+自定义多个目标函数解决， HyperGBM的多目标优化正在研发中, 敬请期待。

[cfkstat]

评价函数中，能把本轮迭代的模型当做参数传进去吗？

[oaksharks]

自定义metric 请参考：
https://hypergbm.readthedocs.io/en/latest/how_to/customize_reward_metric.html
目前自定义metric的入参里没有当前迭代的模型。

[cfkstat]

我改了hypernet的评价函数，可以实现。如何获得每一轮迭代的模型结果和参数？

[oaksharks]

“目前自定义metric的入参里没有当前迭代的模型。”

但是在模型训练完成后可以可以获取迭代历史模型：

hk = HyperGBM(...）
...
hk.history.trials  # get trials in iteration history 
hk.history.trials[0].model_file # get the model of trail