Question

我想在GridSearchCV中定义一个新的评分，就像在这里http://scikit-learn.org/stable/modules/model_evaluation.html#implementing-your-own-scoring-object所说的那样。这是我的代码：

from sklearn.model_selection import GridSearchCV
def pe_score(estimator,x,y):
    clf=estimator
    clf.fit(x,y)
    z=clf.predict(x)
    pe=prob_error(z, y)
    return pe

pe_error=pe_score(SVC(),xTrain,yTrain)
grid = GridSearchCV(SVC(), param_grid={'kernel':('linear', 'rbf'), 'C':[1, 10, 100,1000,10000]}, scoring=pe_error)

其中 prob_error（z，y）是计算我想要最小化的错误的函数， z 训练集的预测和 y 训练集的真实值。但是，我收到以下错误：

---> 18 clf.fit(xTrain, yTrain)
TypeError: 'numpy.float64' object is not callable

我不知道 pe_error 的格式是否定义明确。我该如何解决？谢谢。

Answer 1

分数函数的格式应为score_func（y，y_pred，** kwargs）

然后，您可以使用make_scorer函数获取评分函数并使其与GridSearchCV一起使用。

所以，在这种情况下，它将是：

from sklearn.model_selection import GridSearchCV
from sklearn.metrics import make_scorer

clf = estimator
clf.fit(x,y)
z = clf.predict(x)

def pe_score(y, y_pred):
    pe = prob_error(y_pred, y)
    return pe

pe_error = make_scorer(pe_score)
grid = GridSearchCV(SVC(), param_grid={'kernel':('linear', 'rbf'), 'C':[1, 10, 100,1000,10000]}, scoring= pe_error)

（我假设您已在代码中的其他位置实施或导入prob_error）

文档：http://scikit-learn.org/stable/modules/generated/sklearn.metrics.make_scorer.html

如何定义自己的评分策略sklearn.model_selection.GridSearchCV？

1 个答案: