我想使用几何平均值作为指标来优化使用 fit() 方法训练的分类模型。我认为 autosklearn.metrics.make_scorer() 将允许将几何平均值定义为这样的记分器：
classifier.fit(X_train, y_train, feat_type=feat_type, metric=autosklearn.metrics.make_scorer("gm", imblearn.metrics.geometric_mean_score))
因为 imblearn-package 与 sklearn 完全兼容。
但是，在使用上面定义的 gm 对模型进行“拟合”后，sprint 统计数据表明我所做的定义似乎不起作用：
auto-sklearn results:
Dataset name: 6b31930a65e59cca700a5844fbab91a0
Metric: gm
Best validation score: 0.000000
Number of target algorithm runs: 187
Number of successful target algorithm runs: 82
Number of crashed target algorithm runs: 74
Number of target algorithms that exceeded the time limit: 18
Number of target algorithms that exceeded the memory limit: 13
有谁知道为什么 Auto-Sklearn 似乎与 GM 合作，但结果却是 0,0000？我做错什么了吗？除了使用 imblearn 包之外，是否有可能将几何平均值定义为优化模型的指标？据我所知，该指标尚未集成到 sklearn 中（还）？或者有人知道我如何在 Auto-Sklearn 中使用几何平均值吗？