Machine learning 使用Scorer对象进行分类器评分的方法

我已经编写了我的自定义记分器对象，这是解决我的问题所必需的，我称之为“p_value_scoring_object”

对于函数sklearn.cross_validation.cross_val_score，其中一个参数是“scoring”，它允许使用此scorer对象

但是，此选项不适用于分类器的评分方法。sklearn只是缺少这个功能，还是有办法解决这个问题

from sklearn.datasets import load_iris
from sklearn.cross_validation import cross_val_score
from sklearn.tree import DecisionTreeClassifier
clf = DecisionTreeClassifier(random_state=0)
iris = load_iris()
cross_val_score(clf, iris.data, iris.target, cv=10,scoring=p_value_scoring_object)

这很有效。但是，这并不是：

clf.fit(iris.data,iris.target)
clf.score(iris.data,iris.target,scoring=p_value_scoring_object)

---

sklearn只是缺少这个特性。对于不同类型的估计器，分数在内部绑定到不同的度量。例如，分类器绑定到分类准确度得分度量，对于回归器，它绑定到

r2_得分

您可以在

sklearn.base

中查看这些绑定，每个mixin（例如

ClassifierMixin

）都提供了这个

score

方法

i除此之外，您还可以运行：

p_value_scoring_object(p_value_scoring_object, iris.data, iris.target)

---

sklearn只是缺少这个特性。对于不同类型的估计器，分数在内部绑定到不同的度量。例如，分类器绑定到分类准确度得分度量，对于回归器，它绑定到

r2_得分

您可以在

sklearn.base

中查看这些绑定，每个mixin（例如

ClassifierMixin

）都提供了这个

score

方法

i除此之外，您还可以运行：

p_value_scoring_object(p_value_scoring_object, iris.data, iris.target)