Pase el estimador a la función de puntuación personalizada a través de sklearn.metrics.make_scorer
Me gustaría hacer una función de puntuación personalizada que incluya probabilidades de clasificación de la siguiente manera:
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)
¿Hay alguna forma de pasar el estimador, según lo ajustado por GridSearch con los datos y parámetros dados, a mi función de puntuación personalizada? Entonces podría interpretar las probabilidades usandoestimator.classes_
Por ejemplo:
def custom_score(y_true, y_pred_proba, clf):
class_labels = clf.classes_
error = ...
return error