将来自scikit learn的GridSearchCV中每个折叠的精度和平均值制成表格

首先,您不应该使用 grid_scores_ 不再使用,因为它在版本中已被弃用 0.18 赞成 cv_results_ 属性这个 grid_scores_ 属性在版本中不可用 0.20 .

Q° : 我是否正确理解了,分数。mean()是精度的平均值?

A. :属性 cv_结果_ 实际上返回您正在寻找的所有度量的字典。看看这个: cv_result_ .

Q° : 是否有可能获得交叉验证的每个折叠的所有这些值?默认情况下,有k=3倍,因此我希望每个参数组合的平均值和精度是三倍。

A. :是的,实际上您需要使用属性 verbose . 冗长的 必须是整数,它控制详细程度:越高,消息越多。例如,您可以设置 verbose=3 .

Q° : 如何设置自己的评分功能?

A. make_scorer 定义了 损失函数 .您的损失函数必须具有以下签名: score_func(y, y_pred, **kwargs) 基本损失函数可以是分类良好的样本与总样本数的比率(您可以想象任何类型的指标,这些指标可以让您更好地了解分类器的性能)。

您可以这样做:

def my_loss_func(y, y_pred):
    return np.sum(y == y_pred)/float(len(y_pred))

my_scorer = make_scorer(my_loss_func, greater_is_better=True)

scorer 在您的GridSearch中。