Python 如果未指定评分，则通过的估算值应为'；得分'；方法

我正在进行超参数调优，并编写了这段代码（来自本教程）- )

这就是我犯的错误-

TypeError                                 Traceback (most recent call last)
<ipython-input-39-3821841029c0> in <module>
     11 param_grid = dict(batch_size=batch_size, epochs=epochs)
     12 grid = GridSearchCV(estimator=model, param_grid=param_grid, n_jobs=-1, cv=3)
---> 13 grid_result = grid.fit(scaled_X, y)
     14 # summarize results
     15 print("Best: %f using %s" % (grid_result.best_score_, grid_result.best_params_))

~\AppData\Local\Continuum\anaconda3\lib\site-packages\sklearn\model_selection\_search.py in fit(self, X, y, groups, **fit_params)
    607 
    608         scorers, self.multimetric_ = _check_multimetric_scoring(
--> 609             self.estimator, scoring=self.scoring)
    610 
    611         if self.multimetric_:

~\AppData\Local\Continuum\anaconda3\lib\site-packages\sklearn\metrics\scorer.py in _check_multimetric_scoring(estimator, scoring)
    340     if callable(scoring) or scoring is None or isinstance(scoring,
    341                                                           str):
--> 342         scorers = {"score": check_scoring(estimator, scoring=scoring)}
    343         return scorers, False
    344     else:

~\AppData\Local\Continuum\anaconda3\lib\site-packages\sklearn\metrics\scorer.py in check_scoring(estimator, scoring, allow_none)
    293                 "If no scoring is specified, the estimator passed should "
    294                 "have a 'score' method. The estimator %r does not."
--> 295                 % estimator)
    296     elif isinstance(scoring, Iterable):
    297         raise ValueError("For evaluating multiple scores, use "

TypeError: If no scoring is specified, the estimator passed should have a 'score' method. The estimator <keras.engine.sequential.Sequential object at 0x0000025F8892C248> does not.

TypeError回溯（最近一次调用）
在里面
11参数网格=dict（批次大小=批次大小，年代=年代）
12网格=网格搜索cv（估计器=模型，参数网格=参数网格，n_作业=-1，cv=3）
--->13网格结果=网格拟合（缩放X，y）
14#总结结果
15打印（“最佳：%f使用%s”%（网格结果。最佳分数，网格结果。最佳参数））
~\AppData\Local\Continuum\anaconda3\lib\site packages\sklearn\model\u selection\\u search.py in fit（self、X、y、groups、**fit\u参数）
607
608名记分员，自我多指标得分(
-->609自我评估，评分=自我评分）
610
611如果是自度量函数：
~\AppData\Local\Continuum\anaconda3\lib\site packages\sklearn\metrics\scorer.py in\u check\u multimetric\u评分（估计器，评分）
340如果可调用（计分）或计分为无或不存在（计分），
341 str）：
-->342名评分员={“评分”：检查评分（估计员，评分=评分）}
343名返场得分手，错
344其他：
~\AppData\Local\Continuum\anaconda3\lib\site packages\sklearn\metrics\scorer.py检查评分（估计器、评分、允许无）
293“如果未指定评分，则通过的估计员应”
294“有一个‘评分’方法。估算器%r没有。”
-->295%估计数）
296 elif isinstance（评分，可测量）：
297 raise VALUE ERROR（“对于评估多个分数，使用”
TypeError：如果未指定评分，则通过的估计员应具有“评分”方法。估计员没有。

我已经试过了你的答案-

---

我认为您需要指定在GridSearch中使用的分数类型。因为GridSearch在参数网格上最大化分数。例如，分类问题，您可以使用f1分数、精度、召回分数。如果分数为无，GridSearch将使用估计器的分数方法

from sklearn.metrics import make_scorer
from sklearn.metrics import accuracy_score, precision_score, recall_score

from sklearn.model_selection import GridSearchCV
scorers = {
        'precision_score': make_scorer(precision_score),
        'recall_score': make_scorer(recall_score),
        'accuracy_score': make_scorer(accuracy_score)
        }
grid_search_cv=GridSearchCV(model,param_grid,verbose=1,cv=3,scoring=scorers,refit="precision_score")

---

您可以使用或。

使用什么评分函数？。我有一个MLPIt，这取决于您最关心的错误类型。例如分类“f1”，“精度”，“召回”是很好的评分方法。我收到了这个错误-类型错误：无法克隆对象“”（类型）：它似乎不是scikit学习估计器，因为它没有实现“获取参数”方法。当我使用mse作为评分指标时

from sklearn.metrics import make_scorer
from sklearn.metrics import accuracy_score, precision_score, recall_score

from sklearn.model_selection import GridSearchCV
scorers = {
        'precision_score': make_scorer(precision_score),
        'recall_score': make_scorer(recall_score),
        'accuracy_score': make_scorer(accuracy_score)
        }
grid_search_cv=GridSearchCV(model,param_grid,verbose=1,cv=3,scoring=scorers,refit="precision_score")