拟合模型时更改默认的 RandomForestClassifier 的“分数”函数？

Question

我使用RandomForestClassifierfrom执行拟合操作sklearn：

clf.fit(X_train,y_train,sample_weight=weight)

我不知道如何更改评估指标，我认为这只是准确性。

我问这个是因为我已经看到使用XGBOOST包可以精确地指定这个指标。例子：

clf.fit(X_train, y_train, eval_metric="auc", eval_set=[(X_eval, y_eval)])

所以，我的问题是：我可以对RandomForestClassifierfrom做同样的事情吗sklearn？我需要将我的表现建立在AUC指标上。

Answer 1

好吧，到目前为止我所做的是将分类器包装到一个GridSearchCV可以指定评分方法的位置。

所以：GS = grid_search.GridSearchCV(forest_clf, parameters, scoring='roc_auc',verbose=10)对我有用。

但如果可以从分类器本身执行，我愿意接受任何建议，如果这不是正确的方法，我愿意接受任何理论解释。