文档建议反馈控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

LightGBM提前停机，自定义求值函数和内置损失函数

LightGBM是一种基于梯度提升决策树（Gradient Boosting Decision Tree）的机器学习算法，它在云计算领域中被广泛应用于大规模数据集的训练和预测任务。下面是对于提前停机、自定义求值函数和内置损失函数的详细解释：

  1. 提前停机（Early Stopping）：提前停机是一种在训练过程中自动确定最佳迭代次数的技术。在LightGBM中，提前停机可以通过设置验证集（Validation Set）来实现。在每次迭代过程中，LightGBM会计算验证集上的损失函数值，并与之前的最佳值进行比较。如果连续若干次迭代后验证集上的损失函数值没有显著改善，就会触发提前停机，停止训练过程，从而避免过拟合并提高模型的泛化能力。
  2. 自定义求值函数（Custom Objective Function）：在LightGBM中，可以通过自定义求值函数来定义模型的目标函数。求值函数用于评估模型在每次迭代中的性能，并根据其值来更新模型参数。通过自定义求值函数，可以根据具体的业务需求来定义模型的目标，例如最小化平方损失、最大化对数似然等。自定义求值函数需要满足一定的数学性质，并且可以通过梯度和二阶导数的计算来加速模型的训练过程。
  3. 内置损失函数（Built-in Loss Function）：LightGBM提供了一系列内置的损失函数，用于在训练过程中评估模型的性能。这些损失函数包括回归任务中的均方误差（Mean Squared Error）、分类任务中的交叉熵（Cross Entropy）等。内置损失函数已经经过优化和验证，可以直接在训练过程中使用，无需额外的配置。根据具体的任务类型和数据特点，可以选择合适的内置损失函数来训练模型。

总结起来，LightGBM提供了提前停机、自定义求值函数和内置损失函数等功能，使得在云计算领域中进行大规模数据集的训练和预测变得更加高效和灵活。在使用LightGBM时，可以根据具体的需求选择合适的提前停机策略、自定义求值函数和内置损失函数，以获得更好的模型性能和预测结果。

腾讯云相关产品和产品介绍链接地址：

  • 腾讯云机器学习平台（https://cloud.tencent.com/product/tiia）
  • 腾讯云人工智能开发平台（https://cloud.tencent.com/product/ai）
  • 腾讯云数据分析平台（https://cloud.tencent.com/product/dla）
  • 腾讯云大数据平台（https://cloud.tencent.com/product/emr）
  • 腾讯云云服务器（https://cloud.tencent.com/product/cvm）
  • 腾讯云对象存储（https://cloud.tencent.com/product/cos）
  • 腾讯云区块链服务（https://cloud.tencent.com/product/tbaas）
  • 腾讯云物联网平台（https://cloud.tencent.com/product/iot）
  • 腾讯云移动开发平台（https://cloud.tencent.com/product/mpp）
  • 腾讯云音视频处理（https://cloud.tencent.com/product/mps）
  • 腾讯云网络安全（https://cloud.tencent.com/product/saf）
  • 腾讯云云原生应用平台（https://cloud.tencent.com/product/tke）
  • 腾讯云数据库（https://cloud.tencent.com/product/cdb）
相关搜索:复制用于回归的LightGBM自定义损失函数MXNET自定义损失函数和eval_metric如何将tensorflow内置的logits自定义损失函数转换为keras？具有多个输出和自定义损失函数的模型Keras自定义损失函数-如何访问实际真值和预测如何在tensorflow中实现自定义损失函数和梯度反向传播自定义损失中的目标和tf.Keras中的自定义指标函数Keras:如何加载具有两个输出和自定义损失函数的模型？自定义损失函数: logits和目标必须具有相同的形状((?，1) vs (45000，))自定义数据加载器，用于pytorch中的图像和标签。损失函数中输入的困难在Tensorflow的自定义损失函数中按块处理y_pred和y_true如何在具有多输出和自定义损失函数的tf.data.dataset上运行keras.fit？如何在xgboost的github存储库的自定义目标函数示例脚本中计算对数损失的梯度和hessian？TypeError: x和y必须具有相同的数据类型，在自定义损失函数keras中获取tf.float32 != tf.int64
相关搜索:
页面内容是否对你有帮助？
有帮助
没帮助

相关·内容

Python基础语法-内置函数和模块-自定义模块

Python自定义模块 在Python中，模块是指包含Python代码的文件，这些代码可以被导入到其他Python程序中使用。模块是组织Python代码的一种方式，它使代码更易于维护和重用。...Python中有许多内置模块，您也可以创建自己的模块来扩展Python的功能。 创建模块 创建模块的步骤如下： 创建一个包含您的代码的.py文件。...在该文件中定义您的函数和变量。...导入模块 要使用自定义模块中的函数和变量，需要先将模块导入到您的程序中。有以下几种方法可以导入模块： 使用import语句导入整个模块。...例如，以下语句将导入名为mymodule的模块中的所有函数和变量： from mymodule import * 在导入所有函数和变量之后，您可以直接使用它们，但是这种方法并不推荐，因为它可能会导致名称冲突和代码可读性问题

26530

    • pytest + yaml 框架 -5.调用内置方法和自定义函数

    key取值 如定义变量 variables: username: test123 body: user: yoyo email: 123@qq.com user和email...email: ${body["user"]} validate: - eq: [status_code, 200] - eq: [$..username, '${body.user}'] 自定义函数功能...自定义函数的实现，需在conftest.py (pytest 框架内置的插件文件)文件中实现 # conftest.py # 作者-上海悠悠 微信/QQ交流:283340479 # blog地址 https...这样我们在用例中就能找到该函数方法了 test_fun3.yml 用例中引用内置函数示例 config: name: 引用内置函数 variables: username: ${random_user...在引用自定义函数的时候，也可以传变量 # conftest.py # 作者-上海悠悠 微信/QQ交流:283340479 # blog地址 https://www.cnblogs.com/yoyoketang

    96920

    keras 自定义loss损失函数,sample在loss上的加权和metric详解

    metric非常简单，需要用y_pred和y_true作为自定义metric函数的输入参数 点击查看metric的设置 注意事项： 1. keras中定义loss，返回的是batch_size长度的tensor...一系列可以在训练时使用的回调函数。 validation_split: 0 和 1 之间的浮点数。用作验证集的训练数据的比例。...sample_weight: 训练样本的可选 Numpy 权重数组，用于对损失函数进行加权（仅在训练期间）。...initial_epoch: 开始训练的轮次（有助于恢复之前的训练） fit与fit_generator函数都返回一个History的对象，其History.history属性记录了损失函数和其他指标的数值随...loss损失函数,sample在loss上的加权和metric详解就是小编分享给大家的全部内容了，希望能给大家一个参考。

    4.2K20

    自定义损失函数Gradient Boosting

    下图展示了我们的自定义损失函数与标准MSE损失函数的对比。 ? 正如定义的那样，非对称MSE很好，因为它很容易计算梯度和hessian，如下图所示。...中结合训练和验证损失（包括Python和scikit-learn API示例） 自定义损失函数的实验 Jupyter 笔记本 的代码还对默认随机森林，默认LightGBM和MSE以及LightGBM...LightGBM使用MSE→LightGBM调整提前停止轮次，并使用自定义MSE进行早期停止调整 这两个模型的得分非常接近，没有实质性差异。 这是因为验证损失仅用于决定何时停止提升。...LightGBM具有经过调整的提前停止轮次，MSE→LightGBM训练定制训练损失，并通过定制验证损失调整提前停止轮次 最终模型使用自定义训练和验证损失。...因此，我们不应该局限于普通ML库中的“现成的”对称损失函数。 LightGBM提供了一个简单的界面来合并自定义的训练和验证丢失功能。在适当的时候，我们应该利用这个功能来做出更好的预测。

    7.8K30

    数据挖掘神器LightGBM详解

    alpha：一个浮点数，用于Huber损失函数和Quantileregression，默认值为0。它用于huber回归任务和Quantile回归任务。...3.LightGBM内置建模方式 内置建模方式 LightGBM内置了建模方式，有如下的数据格式与核心训练方法： 基于lightgbm.Dataset格式的数据。...再基于lightgbm.train接口使用内置建模方式训练。...自定义损失函数 LightGBM 支持在训练过程中，自定义损失函数和评估准则，其中损失函数的定义需要返回损失函数一阶和二阶导数的计算方法，评估准则部分需要对数据的 label 和预估值进行计算。...# 自定义损失函数需要提供损失函数的一阶和二阶导数形式 def loglikelood(preds, train_data): labels = train_data.get_label()

    89510

    机器学习实战 | LightGBM建模应用详解

    alpha：一个浮点数，用于Huber损失函数和Quantileregression，默认值为0。它用于huber回归任务和Quantile回归任务。...3.LightGBM内置建模方式 3.1 内置建模方式 LightGBM内置了建模方式，有如下的数据格式与核心训练方法： 基于lightgbm.Dataset格式的数据。...再基于lightgbm.train接口使用内置建模方式训练。...LightGBM支持在训练过程中，自定义损失函数和评估准则，其中损失函数的定义需要返回损失函数一阶和二阶导数的计算方法，评估准则部分需要对数据的label和预估值进行计算。...# 自定义损失函数需要提供损失函数的一阶和二阶导数形式 def loglikelood(preds, train\_data): labels = train\_data.get\_label

    2.8K22

    腾讯提前批机器学习+快手算法岗

    作者 LynneJin #腾讯提前批机器学习面经# 一面：（25Min） 1、自我介绍 2、讲一个自己熟悉的项目，当时讲了一个比赛； 3、问了比赛中一些细节，比如说如何处理特征，如何评价特征根据什么添加特征...、损失函数是什么； 4、当时选的什么模型？...（当时比较了lr\rf\lightgbm） 5、讲一下rf\lightgbm的区别？ 6、项目中你用到了归一化，那么当数据有很大和很小值的时候你是怎么处理的？ 7、会用spark和hive么？...（cnn+gru） 6、讲一下rf和lightgbm区别 7、一道算法（句子翻转，不让用split） （隔了半小时就开始）二面： 1、自我介绍 2、讲一个关于算法的项目 2.1、mcc公式是什么 3、讲...svm原理 4、svm损失函数是什么 5、如何处理过拟合，详细介绍下l1和l2 6、推导lr 7、lr损失函数是什么，数学含义是什么 8、你了解决策树么？

    79000

    带答案面经分享-面试中最常考的树模型！

    没有实习经历，也没有牛逼的竞赛和论文，提前批有面试机会么？提前批影响正式批么？ 14、除了自己项目中的模型了解清楚，还需要准备哪些？看了群主的面经大概知道了一些，能否大致描述下？...（贝壳） CART回归树的实现包含两个步骤： 1）决策树生成：基于训练数据生成决策树、生成的决策树要尽量大 2）决策树剪枝：用验证数据集对已生成的树进行剪枝并选择最优子树，这时用损失函数最小作为剪枝的标准...顺便 一下，xgboost 工具支持自定义代价函数，只要函数可一阶和二阶求导。 3）xgboost 在代价函数里加入了正则项，用于控制模型的复杂度。...end-to-end的方式，在match和ranking阶段都有吧。 13、内推刷简历严重么？没有实习经历，也没有牛逼的竞赛和论文，提前批有面试机会么？提前批影响正式批么？...没有实习经历，也没有牛逼的竞赛和论文，提前批的面试机会就得看运气了，一般竞争激烈的大厂估计是没有机会的。

    2.3K41

    【ML】项目中最主流的集成算法XGBoost 和 LightGBM

    我们知道模型的预测精度由模型的偏差和方差共同决定，损失函数代表了模型的偏差，想要方差小则需要简单的模型，所以目标函数由模型的损失函数 L 与抑制模型复杂度的正则项 组成，所以我们有： 为模型的正则项...根据泰勒公式我们把函数 在点 x 处进行泰勒的二阶展开，可得到如下等式： 我们把 视为 ， 视为 ，故可以将目标函数写为： 其中 为损失函数的一阶导， 为损失函数的二阶导，注意这里的求导是对...我们以平方损失函数为例： 则： 由于在第 t 步时 其实是一个已知的值，所以 是一个常数，其对函数的优化不会产生影响，因此目标函数可以写成： 所以我们只需要求出每一步损失函数的一阶导和二阶导的值（由于前一步的...XGBoost 引入二阶导一方面是为了增加精度，另一方面也是为了能够自定义损失函数，二阶泰勒展开可以近似大量损失函数； 灵活性更强：GBDT 以 CART 作为基分类器，XGBoost 不仅支持 CART...此外，XGBoost 工具支持自定义损失函数，只需函数支持一阶和二阶求导； 正则化：XGBoost 在目标函数中加入了正则项，用于控制模型的复杂度。

    62010

    终于有人把XGBoost 和 LightGBM 讲明白了，项目中最主流的集成算法！

    我们知道模型的预测精度由模型的偏差和方差共同决定，损失函数代表了模型的偏差，想要方差小则需要简单的模型，所以目标函数由模型的损失函数 L 与抑制模型复杂度的正则项 组成，所以我们有： 为模型的正则项...根据泰勒公式我们把函数 在点 x 处进行泰勒的二阶展开，可得到如下等式： 我们把 视为 ， 视为 ，故可以将目标函数写为： 其中 为损失函数的一阶导， 为损失函数的二阶导，注意这里的求导是对...我们以平方损失函数为例： 则： 由于在第 t 步时 其实是一个已知的值，所以 是一个常数，其对函数的优化不会产生影响，因此目标函数可以写成： 所以我们只需要求出每一步损失函数的一阶导和二阶导的值（由于前一步的...XGBoost 引入二阶导一方面是为了增加精度，另一方面也是为了能够自定义损失函数，二阶泰勒展开可以近似大量损失函数； 灵活性更强：GBDT 以 CART 作为基分类器，XGBoost 不仅支持 CART...此外，XGBoost 工具支持自定义损失函数，只需函数支持一阶和二阶求导； 正则化：XGBoost 在目标函数中加入了正则项，用于控制模型的复杂度。

    92120

    终于有人把XGBoost 和 LightGBM 讲明白了，项目中最主流的集成算法！

    我们知道模型的预测精度由模型的偏差和方差共同决定，损失函数代表了模型的偏差，想要方差小则需要简单的模型，所以目标函数由模型的损失函数 L 与抑制模型复杂度的正则项 组成，所以我们有： 为模型的正则项...根据泰勒公式我们把函数 在点 x 处进行泰勒的二阶展开，可得到如下等式： 我们把 视为 ， 视为 ，故可以将目标函数写为： 其中 为损失函数的一阶导， 为损失函数的二阶导，注意这里的求导是对...我们以平方损失函数为例： 则： 由于在第 t 步时 其实是一个已知的值，所以 是一个常数，其对函数的优化不会产生影响，因此目标函数可以写成： 所以我们只需要求出每一步损失函数的一阶导和二阶导的值（由于前一步的...XGBoost 引入二阶导一方面是为了增加精度，另一方面也是为了能够自定义损失函数，二阶泰勒展开可以近似大量损失函数； 灵活性更强：GBDT 以 CART 作为基分类器，XGBoost 不仅支持 CART...此外，XGBoost 工具支持自定义损失函数，只需函数支持一阶和二阶求导； 正则化：XGBoost 在目标函数中加入了正则项，用于控制模型的复杂度。

    1.5K10

    终于有人把XGBoost 和 LightGBM 讲明白了，项目中最主流的集成算法！

    我们知道模型的预测精度由模型的偏差和方差共同决定，损失函数代表了模型的偏差，想要方差小则需要简单的模型，所以目标函数由模型的损失函数 L 与抑制模型复杂度的正则项 组成，所以我们有： 为模型的正则项...根据泰勒公式我们把函数 在点 x 处进行泰勒的二阶展开，可得到如下等式： 我们把 视为 ， 视为 ，故可以将目标函数写为： 其中 为损失函数的一阶导， 为损失函数的二阶导，注意这里的求导是对...我们以平方损失函数为例： 则： 由于在第 t 步时 其实是一个已知的值，所以 是一个常数，其对函数的优化不会产生影响，因此目标函数可以写成： 所以我们只需要求出每一步损失函数的一阶导和二阶导的值（由于前一步的...XGBoost 引入二阶导一方面是为了增加精度，另一方面也是为了能够自定义损失函数，二阶泰勒展开可以近似大量损失函数； 灵活性更强：GBDT 以 CART 作为基分类器，XGBoost 不仅支持 CART...此外，XGBoost 工具支持自定义损失函数，只需函数支持一阶和二阶求导； 正则化：XGBoost 在目标函数中加入了正则项，用于控制模型的复杂度。

    4.6K20

    终于有人把XGBoost 和 LightGBM 讲明白了，项目中最主流的集成算法！

    我们知道模型的预测精度由模型的偏差和方差共同决定，损失函数代表了模型的偏差，想要方差小则需要简单的模型，所以目标函数由模型的损失函数 L 与抑制模型复杂度的正则项 组成，所以我们有： 为模型的正则项...根据泰勒公式我们把函数 在点 x 处进行泰勒的二阶展开，可得到如下等式： 我们把 视为 ， 视为 ，故可以将目标函数写为： 其中 为损失函数的一阶导， 为损失函数的二阶导，注意这里的求导是对...我们以平方损失函数为例： 则： 由于在第 t 步时 其实是一个已知的值，所以 是一个常数，其对函数的优化不会产生影响，因此目标函数可以写成： 所以我们只需要求出每一步损失函数的一阶导和二阶导的值（由于前一步的...XGBoost 引入二阶导一方面是为了增加精度，另一方面也是为了能够自定义损失函数，二阶泰勒展开可以近似大量损失函数； 灵活性更强：GBDT 以 CART 作为基分类器，XGBoost 不仅支持 CART...此外，XGBoost 工具支持自定义损失函数，只需函数支持一阶和二阶求导； 正则化：XGBoost 在目标函数中加入了正则项，用于控制模型的复杂度。

    3.7K20

    机器学习LightGBM实战+随机搜索调参：准确率96.67%

    公众号：尤而小屋编辑：Peter作者：Peter大家好，我是Peter~今天给大家分享一下树模型的经典算法：LightGBM，介绍算法产生的背景、原理和特点，最后提供一个基于LightGBM和随机搜索调优的案例...7、支持多种损失函数：特点：除了常用的回归和分类的损失函数外，LightGBM还支持自定义损失函数，满足不同的业务需求。8、正则化和剪枝：原理：提供了L1和L2正则化项来控制模型复杂度，避免过拟合。...LightGBM的特点高效性速度优势：通过直方图优化和 leaf-wise 生长策略，LightGBM 在保证精度的同时大幅提升了训练速度。...避免过拟合的方法：通过设置最大深度限制和后向剪枝，LightGBM 能够在提升模型精度的同时避免过拟合。...可扩展性并行和分布式学习：LightGBM 的设计支持多线程和分布式计算，这使得它能够充分利用现代硬件的计算能力。

    1.3K10

    机器学习面试中最常考的树模型(附答案)

    没有实习经历，也没有牛逼的竞赛和论文，提前批有面试机会么？提前批影响正式批么？ 14、除了自己项目中的模型了解清楚，还需要准备哪些？看了群主的面经大概知道了一些，能否大致描述下？...（贝壳） CART回归树的实现包含两个步骤： 1）决策树生成：基于训练数据生成决策树、生成的决策树要尽量大 2）决策树剪枝：用验证数据集对已生成的树进行剪枝并选择最优子树，这时用损失函数最小作为剪枝的标准...顺便 一下，xgboost 工具支持自定义代价函数，只要函数可一阶和二阶求导。 3）xgboost 在代价函数里加入了正则项，用于控制模型的复杂度。...end-to-end的方式，在match和ranking阶段都有吧。 13、内推刷简历严重么？没有实习经历，也没有牛逼的竞赛和论文，提前批有面试机会么？提前批影响正式批么？...没有实习经历，也没有牛逼的竞赛和论文，提前批的面试机会就得看运气了，一般竞争激烈的大厂估计是没有机会的。

    1.6K20

    如何为回归问题，选择最合适的机器学习方法？

    01 常用回归算法 这里介绍一些回归问题中常用的机器学习方法，sklearn 作为机器学习中一个强大的算法包，内置了许多经典的回归算法，下面将一一介绍各个算法： 1....SGD 回归 上述的线性模型通过最小二乘法来优化损失函数，SGD 回归也是一种线性回归，不同的是，它通过随机梯度下降最小化正则化经验损失。 ? 7....神经网络 神经网络使用 slearn 中 MLPRegressor 类实现了一个多层感知器(MLP)，它使用在输出层中没有激活函数的反向传播进行训练，也可以将衡等函数视为激活函数。...因此，它使用平方误差作为损失函数，输出是一组连续的值。 ? 11. RandomForest 回归 RamdomForest 回归也是一种经典的集成算法之一。 ? 12....LightGBM 回归 LightGBM 作为另一个使用基于树的学习算法的梯度增强框架。在算法竞赛也是每逢必用的神器，且要想在竞赛取得好成绩，LightGBM是一个不可或缺的神器。

    4.6K33

    TensorFlow2.X学习笔记(7)--TensorFlow中阶API之losses、metrics、optimizers、callbacks

    一、损失函数 一般来说，监督学习的目标函数由损失函数和正则化项组成。...1、内置损失函数 内置的损失函数一般有类的实现和函数的实现两种形式。...常用的内置损失函数 mean_squared_error（平方差误差损失，用于回归，简写为 mse, 类实现形式为 MeanSquaredError 和 MSE） mean_absolute_error...类实现形式为 KLDivergence 或 KLD) cosine_similarity(余弦相似度，可用于多分类，类实现形式为 CosineSimilarity) 2、 自定义损失函数 自定义损失函数接收两个张量...函数形式的自定义评估指标 python #函数形式的自定义评估指标 @tf.function def ks(y_true,y_pred): y_true = tf.reshape(y_true,

    1.6K10

    为风控业务定制损失函数与评价函数（XGBLGB）

    XGBoost模型支持自定义评价函数和损失函数。只要保证损失函数二阶可导，通过评价函数的最大化既可以对模型参数进行求解。实际使用中，可以考虑根据业务目标对这两者进行调整。...所以可以改写一个保证模型区分度，同时又能优化局部正样本捕获率的评价函数。 自定义XGBoost模型损失函数与评价函数。...# 自定义对数损失函数 def loglikelood(preds, dtrain): labels = dtrain.get_label() preds = 1.0 / (1.0...本书给出的是一种启发性的思路，读者还可以根据实际情况改写更贴合业务的损失函数。 LightGBM中也同样支持自定义损失函数和评价函数。代码上有一些细微差别。...# 自定义二分类对数损失函数 def loglikelood(preds, train_data): labels = train_data.get_label() preds = 1.

    2.2K52

    XGBoost和LightGBM

    回归任务下，GBDT 在每一轮的迭代时对每个样本都会有一个预测值，此时的损失函数为均方差损失函数 此时的负梯度 所以，当损失函数选用均方损失函数时，每一次拟合的值就是（真实值 - 当前模型预测的值）...XGBoost的目标函数如下图所示(注意这里是已经迭代切分之后的)： 其中 红色箭头所指向的L 即为损失函数（比如平方损失函数： ，或逻辑回归损失函数： 红色方框所框起来的是正则项（包括L1正则、...所以，从数学角度看这是一个泛函最优化问题，故把目标函数简化如下： 这个目标函数分为两部分：损失函数和正则化项。且损失函数揭示训练误差（即预测分数和真实分数的差距），正则化定义复杂度。...我们可以考虑当 是平方误差的情况（相当于 ），这个时候我们的目标可以被写成下面这样的二次函数（图中画圈的部分表示的就是预测值和真实值之间的残差）： 更加一般的，损失函数不是二次函数咋办？...利用泰勒展开，不是二次的想办法近似为二次 为什么损失函数一定要有二次项，因为损失函数必须可导。通过求导，可以寻找能够使损失函数最小的参数，这些参数对应的映射即最佳线性回归或者逻辑回归。

    1.2K10
    点击加载更多

    扫码

    添加站长 进交流群

    领取专属 10元无门槛券

    手把手带您无忧上云

    扫码加入开发者社群

    相关资讯

    热门标签

    更多标签

    活动推荐

      运营活动

      活动名称
      广告关闭

      腾讯云开发者

      扫码关注腾讯云开发者

      扫码关注腾讯云开发者

      领取腾讯云代金券

      热门产品

      热门推荐

      更多推荐

      Copyright © 2013 - 2024 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有

      深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 深公网安备号 44030502008569

      腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号 | 京公网安备号11010802020287

      领券