Gostaria de criar uma função de pontuação personalizada envolvendo probabilidades de classificação da seguinte maneira:

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)

Existe alguma maneira de passar o estimador, de acordo com o GridSearch com os dados e parâmetros fornecidos, para minha função de pontuação personalizada? Então eu poderia interpretar as probabilidades usandoestimator.classes_

Por exemplo:

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