我正在使用来自hypopt包的Gridsearch函数来使用指定的验证集进行超参数搜索。分类的默认指标似乎是准确性（不是很确定）。在这里，我想使用F1分数作为指标。我不知道应该在哪里指定指标。我看了看文档，但有点困惑。
熟悉hypot软件包的人知道我该怎么做吗？提前谢谢。
from hypopt import GridSearch
log_reg_params = {"penalty": ['l1'], 'C': [0.001, 0.01]}
opt = GridSearch(model=LogisticRegression())
opt.fit(X_train, y_train, log_reg_params, X_val, y_val)
答案 0 :(得分：1)
对于您使用的任何模型，hypopt软件包的默认度量都是score()函数，因此在您的情况下，LogisticRegression().score()缺省为准确性。
如果通过pip install hypopt --upgrade将hypot软件包升级到1.0.8版，则可以在scoring的{{1}}参数中指定任意选择的指标，例如{{1 }}。这是一个基于您的代码的简单工作示例，该代码使用F1指标：
GridSearch.fit() fit(scoring='f1')支持from hypopt import GridSearch
param_grid = {"penalty": ['l1'], 'C': [0.001, 0.01]}
opt = GridSearch(model=LogisticRegression(), param_grid = param_grid)
# This will use f1 score as the scoring metric that you optimize.
opt.fit(X_train, y_train, X_val, y_val, scoring='f1')
支持的大多数评分功能。
hypopt支持以下度量标准（作为字符串）：'准确性'，'brier_score_loss'，'average_precision'，'f1'，'f1_micro'，'f1_macro'，'f1_weighted'，'neg_log_loss' ，“精度”，“调用”或“ roc_auc”。 sklearn支持：“ explained_variance”，“ neg_mean_absolute_error”，“ neg_mean_squared_error”，“ neg_mean_squared_log_error”，“ neg_median_absolute_error”，“ r2”。您还可以通过将其包装到这样的对象中来创建自己的指标hypopt：
hypopt您可以在your_custom_score_func(y_true, y_pred)文档字符串中了解更多信息：
您可以在此处了解有关创建自己的自定义评分指标的更多信息：