Python 3.x GridSearchCV不会在详细模式下报告分数

我正在python 3.8.5和sklearn 0.24.1上使用GridSearchCV运行参数网格：

grid_search = GridSearchCV(estimator=xg_clf, scoring=make_scorer(matthews_corrcoef), param_grid=param_grid, n_jobs=args.n_jobs, verbose = 3)

根据文件,

 |  verbose : int
 |      Controls the verbosity: the higher, the more messages.
 |  
 |      - >1 : the computation time for each fold and parameter candidate is
 |        displayed;
 |      - >2 : the score is also displayed;
 |      - >3 : the fold and candidate parameter indexes are also displayed
 |        together with the starting time of the computation.

设置我设置的

verbose=3

，应该打印每次运行的马修斯相关系数

然而，输出是有限的

Fitting 5 folds for each of 480 candidates, totalling 2400 fits
[CV 1/5] END colsample_bytree=0.8, gamma=0, learning_rate=0.7, max_depth=3, n_estimators=200, subsample=0.9; total time=   0.2s
[CV 2/5] END colsample_bytree=0.8, gamma=0, learning_rate=0.7, max_depth=3, n_estimators=200, subsample=0.9; total time=   0.2s
[CV 3/5] END colsample_bytree=0.8, gamma=0, learning_rate=0.7, max_depth=3, n_estimators=200, subsample=0.9; total time=   0.2s
[CV 4/5] END colsample_bytree=0.8, gamma=0, learning_rate=0.7, max_depth=3, n_estimators=200, subsample=0.9; total time=   0.2s
[CV 5/5] END colsample_bytree=0.8, gamma=0, learning_rate=0.7, max_depth=3, n_estimators=200, subsample=0.9; total time=   0.2s
[CV 1/5] END colsample_bytree=0.8, gamma=0, learning_rate=0.7, max_depth=3, n_estimators=200, subsample=0.95; total time=   0.2s

为什么

GridSearchCV

不为每次运行打印MCC

---

可能这是因为我使用的是非标准记分器？

我尝试了一些类似于您的代码的东西，并使用了一些不同的sklearn版本。事实证明，0.24.1版在

verbose=3

时不会打印分数

以下是我的sklearn版本0.22.2.post1的代码和输出：

clf=XGBClassifier（）
搜索=GridSearchCV（估计员=clf，得分=make\u记分员（马修斯•科考夫），
param_grid={'max_depth'：[3,4,5]}，verbose=3）
search.fit（X，y）
>3名候选人各5次试衣，共15次试衣
[CV]最大深度=3。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。
[简历]。。。。。。。。。。。。。。。。。。。。。。。。。最大深度=3，得分=0.959，总得分=0.2s

以下是我的sklearn 0.24.1版代码和输出：

clf=XGBClassifier（）
搜索=GridSearchCV（估计员=clf，得分=make\u记分员（马修斯•科考夫），
param_grid={'max_depth'：[3,4,5]}，verbose=3）
search.fit（X，y）
>3名候选人各5次试衣，共15次试衣
[CV 1/5]结束最大深度=3；总时间=0.2s

总之，您发现了一个bug。通常，我会建议在GitHub上打开一期，但您会很高兴知道0.24.2版会打印每个折叠的分数

---

您可以尝试

pip-install-scikit-learn--upgrade

或

pip-install-scikit-learn==0.24.1

来修复此问题。

您正在使用Google Colab吗？另外，请确保更新您的库以匹配您引用的文档。@ArturoSbr我从未听说过Google Colab。文档来自我笔记本电脑上的命令行。我提到GoogleColab是因为它是一个平台，在这个平台上，verbose似乎不能很好地工作。无论哪种方式，

xg\u clf

是xgboost对象吗？如果是这样，这可能就是为什么@ArturoSbr

xg_clf

确实是一个XGBoost对象的原因。XGBoost与GridSearchCV一起工作吗？