Sklearn：有没有办法定义管道的特定分数类型？

Question

我可以做这个：

model=linear_model.LogisticRegression(solver='lbfgs',max_iter=10000)
kfold = model_selection.KFold(n_splits=number_splits,shuffle=True, random_state=random_state)
scalar = StandardScaler()
pipeline = Pipeline([('transformer', scalar), ('estimator', model)])
results = model_selection.cross_validate(pipeline, X, y, cv=kfold, scoring=score_list,return_train_score=True)

其中 Score_list 可以是类似['accuracy','balanced_accuracy','precision','recall','f1'].

我也可以这样做：

kfold = model_selection.KFold(n_splits=number_splits,shuffle=True, random_state=random_state)
scalar = StandardScaler()
pipeline = Pipeline([('transformer', scalar), ('estimator', model)])
for i, (train, test) in enumerate(kfold.split(X, y)):
    pipeline.fit(self.X[train], self.y[train])
    pipeline.score(self.X[test], self.y[test])

但是，我无法更改最后一行中管道的分数类型。我怎样才能做到这一点？

Answer 1

score方法始终accuracy用于分类，r2评分用于回归。没有参数可以改变它。它来自Classifiermixin和RegressorMixin。

相反，当我们需要其他评分选项时，我们必须从sklearn.metrics以下位置导入它。

from sklearn.metrics import balanced_accuracy

y_pred = pipeline.predict(self.X[test])
balanced_accuracy(self.y_test, y_pred)