我正在尝试使用自定义评分函数来计算具有基础事实和predict_proba y数组的多类日志丢失 . 有没有办法让GridSearchCV使用这个评分函数？
def multiclass_log_loss(y_true, y_pred):
Parameters
----------
y_true : array, shape = [n_samples]
true class, intergers in [0, n_classes - 1)
y_pred : array, shape = [n_samples, n_classes]
Returns
-------
loss : float
"""
eps=1e-15
predictions = np.clip(y_pred, eps, 1 - eps)
# normalize row sums to 1
predictions /= predictions.sum(axis=1)[:, np.newaxis]
actual = np.zeros(y_pred.shape)
n_samples = actual.shape[0]
actual[np.arange(n_samples), y_true.astype(int)] = 1
vectsum = np.sum(actual * np.log(predictions))
loss = -1.0 / n_samples * vectsum
return loss
我看到有多个选项，score_func，loss_func和make_scorer . 我尝试使用make_scorer和greater_is_better = False并尝试了loss_func参数，但似乎仍然使用.predict方法 . 我怎样才能解决这个问题？
更新 - 如果我设置needs_threshold = True我得到一个多类错误 . 我是否正确理解这种情况下不支持多类？如果是，有人可以提出解决方法吗？
谢谢 .
1 回答
这个问题的最佳答案：Pass estimator to custom score function via sklearn.metrics.make_scorer
可能有你需要的东西 . 可以定义一个记分器，该记分器将分类器
clf，特征数组X和目标y_true作为参数，并将clf.predict_proba()方法的结果提供给返回错误的评分函数 . 作为提示，对于二进制分类，您可能需要使用clf.predict_proba(X)[:,1]这符合我的需求（标准化的基尼评分） . 出于某种原因，我无法使用需要概率的自定义函数 . [2605879_ s
metrics.make_scorer] .