Я хотел бы сделать пользовательскую функцию оценки, включающую вероятности классификации, следующим образом:

def custom_score(y_true, y_pred_proba):
    error = ...
    return error

my_scorer = make_scorer(custom_score, needs_proba=True)

gs = GridSearchCV(estimator=KNeighborsClassifier(),
                  param_grid=[{'n_neighbors': [6]}],
                  cv=5,
                  scoring=my_scorer)

Есть ли какой-нибудь способ передать оценку, соответствующую GridSearch с данными данными и параметрами, в мою пользовательскую функцию оценки? Тогда я мог бы интерпретировать вероятности, используяestimator.classes_

Например:

def custom_score(y_true, y_pred_proba, clf):
    class_labels = clf.classes_
    error = ...
    return error