如何在gridsearchcv中使用log_loss记分器？

Question

是否可以在 gridsearchcv 中使用 log_loss 指标？

我见过很少有人提到的帖子neg_log_loss？与 一样吗log_loss？如果没有可以直接在gridsearchcv中使用log_loss吗？

Answer 1

如文档中所述，评分可能采用不同的输入：字符串、可调用、列表/元组、字典或无。如果您使用字符串，您可以在此处找到可能条目的列表。

在那里，作为代表对数损失的字符串，您可以找到“neg_log_loss”，即负对数损失，它只是对数损失乘以-1。这是处理最大化问题（这正是 GridSearchCV 所期望的，因为它需要分数参数，而不是损失参数）的简单方法，而不是最小化问题（您想要最小对数损失，这相当于最大损失参数）负对数损失）。

相反，如果您想直接将对数损失函数传递给 GridSearchCV，则只需使用make_scorer从 Scikit-learn log_loss函数创建一个记分器：

from sklearn import svm, datasets
from sklearn.model_selection import GridSearchCV
from sklearn.metrics import log_loss, make_scorer

iris = datasets.load_iris()
parameters = {'kernel':('linear', 'rbf'), 'C':[1, 10]}
svc = svm.SVC(gamma="scale", probability=True)
LogLoss = make_scorer(log_loss, greater_is_better=False, needs_proba=True)
clf = GridSearchCV(svc, parameters, cv=5, scoring=LogLoss)
clf.fit(iris.data, iris.target)

print(clf.best_score_, clf.best_estimator_)