在sklearn

Question

我想对sklearn GridSearchCV使用自定义的回归器。其精神类似于创建自定义分类器-如本博客所示：

http://danielhnyk.cz/creating-your-own-estimator-scikit-learn/

这是博客中代码的压缩/编辑部分-显示了一些覆盖的必需方法。

from sklearn.base import BaseEstimator, RegressorMixin

class MyCustomClassifier(BaseEstimator, RegressorMixin):  
    """An example of classifier"""

    def __init__(self, intValue=0, stringParam="defaultValue", otherParam=None):
        """
        Called when initializing the classifier
        """
        self.intValue = intValue
        self.stringParam = stringParam

    def fit(self, X, y=None):
        self.treshold_ = (sum(X)/len(X)) + self.intValue  # mean + intValue

        return self

    def _meaning(self, x):
        # returns True/False according to fitted classifier
        # notice underscore on the beginning
        return( True if x >= self.treshold_ else False )

    def predict(self, X, y=None):
         ..

在回归器和分类器之间可能是相同的事情可能是__init__, fit, predict方法：我可能会拼凑很多。但是等效于__meaning的情况如何？还是对于Regressor可能不明显/不清楚的其他细微注意事项？

这是我要开始的骨架：

from sklearn.base import BaseEstimator, RegressorMixin
class MyCustomRegressor(BaseEstimator, RegressorMixin):
    def __init__(self, regressorMethod):
      self.regressorMethod = regressorMethod

    def fit(self, X, y=None):
      self.regressorMethod(X,y)
      return self

据我了解，score方法将由GridSearchCv使用..？