Python 如何在sklearn'中选择要优化的指标；s拟合函数？

当使用tensorflow训练神经网络时，我可以任意设置损失函数。在训练SVM时，sklearn中是否有同样的方法？假设我希望我的分类器只优化灵敏度（不管它的感觉如何），我该怎么做

据我所知，这在支持向量机上是不可能的。对于其他模型，您可以更改优化的损失，或者更改预测概率的分类阈值 然而，支持向量机最小化了铰链损失，并且它们不建模类的概率，而是建模它们的分离超平面，因此没有太多的空间进行手动调整。

---

如果您需要关注敏感性或特异性，请使用不同的模型，该模型允许直接最大化该函数，或允许预测类别概率（例如，考虑逻辑回归、基于树的方法）

最大化分离超平面的边界是SVM的目标。因此，我认为你不能随意选择其他任何东西。