GridSeachCV具有多种评分功能？

Question

根据您传递给GridSearchCV的评分函数，grid.best_estomator_的结果可能会有所不同。我想知道是否可以在sklearn中运行单个GridSearch并在输出中获得几个分数（或者评分函数的真值）？ 类似的东西：

clf = GridSearchCV(model,param_grid,scoring=['mean_square_error','r2_score'])

输出得到：

clf.grids_cores_:
[MSE mean: -0.00000, R2 mean: -0.01975,: {'max_depth': 2, 'learning_rate': 0.05, 'min_child_weight': 4, 'n_estimators': 25} 
MSE mean: -0.00001, R2 mean: -0.01975,: {'max_depth': 3, 'learning_rate': 0.05, 'min_child_weight': 4, 'n_estimators': 25}, 
MSE mean: -0.00002, R2 mean: -0.01975,: {'max_depth': 4, 'learning_rate': 0.05, 'min_child_weight': 4, 'n_estimators': 25}, etc)

我们的想法是在模型超参数的每个组合中获得每个评估指标的分数。假设我有13个不同的GridSearchCV评分函数。运行GridSearchCV 10次以查看哪个模型参数最适合每个评分函数将非常耗时。我的想法是只运行一次并获得grid_scores _中

中每个评分函数的数字（分数）

似乎2015年几乎实现了sklearn，遗憾的是该项目从未完成：https://github.com/scikit-learn/scikit-learn/pull/2759 我正在寻找一种自己做这件事的方法。