Passe o estimador para a função de pontuação personalizada via sklearn.metrics.make_scorer
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