问题标签 [make-scorer]

我有一个多分类问题（有很多标签），我想使用“平均”=“加权”的 F1 分数。

我做错了什么。这是我的代码：

我想使用交叉验证来计算特异性。我找到了计算准确性的代码，实际上是 f1 分数和精度。但我找不到特异性。例如，f1-score 的代码如下：

或精确度就像：

我不断收到此错误：

我在自定义计分器中实现它的方式有问题吗？

编辑： 我理解它为什么会抛出警告/错误，但是我不明白为什么现在它根本不适合？我希望只有很多值是 inf/nan 但目前它会回溯到 random_state = 2504).fit(X_train, y_train)如何解决这个问题？

官方网站很清楚，kenlm在 Windows 中不支持。github 存储库中有一个 Windows 标签，但它似乎由少数随机贡献者维护。

那么如何为 Windows 设置 kenlm 呢？

里面有什么，它是check_scoring如何sklearn.metrics工作的，它与 有什么区别make_scorer？

我正在做流失分析。我用了

一切都很好，但后来，我用这种方式尝试了自定义评分功能

但我想在 gain_fn 内部用某个类的值进行计算（它有 3 个可能的值）。如何选择正确的 y_pred 参数？有什么建议吗？谢谢！

在构建 lm binay 以创建记分员 doe deepspeech 模型期间，我一次又一次地收到以下错误

我使用的命令如下

我正在尝试使用 XGBoost 制作分类器，我将其与 RandomizedSearchCV 配合使用。

这是我的函数的代码：

当我运行代码时，我收到一个错误，报告如下：

当我做同样的事情但使用 GridSearchCV 而不是 RandomizedSearchCV 时，代码运行没有任何问题！

我一直在使用自定义损失函数作为评分方法GridSearchCV。我的数据集是二进制分类的，我从中预测概率，这就是我设置needs_proba=True.make_scorer

在make_scorer 文档中有以下描述needs_proba：

如果为真，对于二进制 y_true，评分函数应该接受一维 y_pred（即，正类的概率，形状 (n_samples,)）。

这部分：“分数函数应该接受一维 y_pred”对我来说并不完全清楚。

考虑y_true一维数组 ([1 0 0]) 和y_pred二维概率数组 ([0.9 0.1], [0.2 0.8], [0.3 0.7]) 会自动考虑来自( )make_scorer的正概率来调用函数并比较它们到？y_predy_pred[:,1]custom_lossy_true

谢谢！

我有一种情况，我可以动态地将一些记分器传递给网格搜索对象，可以是字符串（= accuracy）的形式，也可以是自定义记分器，通过make_scorer参数greater_is_better可能是True或创建的False。换句话说，我的得分手最好并不总是在他们是“最大”价值的时候。

我想要做的是从对象中动态提取我的记分员的“符号”，这样，当我知道如何对分数进行排名时（我知道如果你“静态地”这样做是微不足道的），无论是前配置已定义的指标（“准确性”）或给定的评分指标。

我试图查看内部的“核心”代码，grid search object但无济于事。我可以利用一些属性或属性吗？

例子：