我正在处理一个不平衡的分类问题，我的否定类比我的肯定类多1000倍。我的策略是在平衡（50/50比率）训练集（我有足够的模拟样本）上训练深度神经网络，然后使用不平衡（1/1000比率）验证集选择最佳模型并优化超参数。
由于参数数量很大，因此我想使用scikit-learn RandomizedSearchCV，即随机网格搜索。
据我了解，sk-learn GridSearch在训练集上应用了一个指标，以选择最佳的超参数集。但是，在我的情况下，这意味着GridSearch将选择对均衡训练集而不是对更现实的不均衡数据表现最佳的模型。
我的问题是：有没有一种方法可以对在特定的，用户定义的验证集上估算的性能进行网格搜索？