我正在使用
linear_model.SGDClassifier(loss='log',class_weight='balanced')
用于10个类别的分类（类别非常不平衡）。
看来class_weight仅在训练时使用（在loss函数中）。它们不用于评分。 因此，我正在使用
GridSearchCV(test_model, my_hyperparameters, scoring='f1_macro')
由于'f1_macro'，它会计算“每个标签的指标，并找到其未加权平均值。这不会考虑标签的不平衡。”
我想使用“ neg_log_loss”作为得分。因此，我将拥有：
GridSearchCV(test_model, my_hyperparameters, scoring='neg_log_loss')。
是否可以加权？
在文档中，我看到：
sklearn.metrics.log_loss(y_true, y_pred, eps=1e-15, normalize=True, sample_weight=None, labels=None)。
但是如何在
中传递“ sample_weight” GridSearchCV(test_model, my_hyperparameters, scoring='neg_log_loss')？