NDCG作为GridSearchCV和分层数据的评分函数？

Question

我正在努力学习排名任务，数据集有一列thread_id，这是一个组标签（分层数据）。 在评估阶段，我必须考虑这些组，因为我的评分函数以每线程方式工作（例如nDCG）。

现在，如果我使用签名scorer(estimator, X, y)实现nDCG，我可以轻松地将其作为评分函数传递给GridSearchCV，如下例所示：

def my_nDCG(estimator, X, y):
    # group by X['thread_id']
    # compute the result
    return result

splitter = GroupShuffleSplit(...).split(X, groups=X['thread_id'])
cv = GridSearchCV(clf, cv=splitter, scoring=my_nDCG)

GridSearchCV通过调用my_nDCG()来选择模型。 不幸的是，在my_nDCG内，X没有thread_id列，因为必须事先将X传递给fit()，否则我会使用thread_id训练模型特征

cv.fit(X.drop('best_answer', axis=1), y)

如果没有可怕的解决方法，thread_id与global分开，并将其与my_nDCG()内的X合并，我该怎么做呢？

有没有其他方法可以将nDCG与scikit-learn一起使用？我看到scikit支持分层数据，但是当使用分层数据进行模型评估时，似乎缺少适当的支持。

修改

注意到GridSearchCV.fit()接受groups参数，就我而言，它仍然是X['thread_id']。 此时我只需要在自定义评分函数中读取该参数。怎么做？