Pass Estimator zur benutzerdefinierten Bewertungsfunktion über sklearn.metrics.make_scorer
Ich möchte eine benutzerdefinierte Bewertungsfunktion mit folgenden Klassifizierungswahrscheinlichkeiten erstellen:
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)
Ist es eine Möglichkeit, den Schätzer, der von GridSearch mit den angegebenen Daten und Parametern angepasst wurde, an meine benutzerdefinierte Bewertungsfunktion zu übergeben? Dann könnte ich die Wahrscheinlichkeiten mit @ interpretierestimator.classes_
Beispielsweise
def custom_score(y_true, y_pred_proba, clf):
class_labels = clf.classes_
error = ...
return error