Python 在sklearn中创建自定义回归器

我想使用带有

sklearn

GridSearchCV

的自定义回归器。它的精神类似于创建一个自定义分类器——如本博客所示：

下面是博客中代码的浓缩/编辑部分，展示了一些需要重写的方法

from sklearn.base import BaseEstimator, RegressorMixin

class MyCustomClassifier(BaseEstimator, RegressorMixin):  
    """An example of classifier"""

    def __init__(self, intValue=0, stringParam="defaultValue", otherParam=None):
        """
        Called when initializing the classifier
        """
        self.intValue = intValue
        self.stringParam = stringParam

    def fit(self, X, y=None):
        self.treshold_ = (sum(X)/len(X)) + self.intValue  # mean + intValue

        return self

    def _meaning(self, x):
        # returns True/False according to fitted classifier
        # notice underscore on the beginning
        return( True if x >= self.treshold_ else False )

    def predict(self, X, y=None):
         ..

回归器和分类器之间相同的东西很可能是

\uuuuu init\uuuuuu，fit，predict

方法：我可能可以将这些方法组合在一起。但是，与

\u意思是
的等价物呢？或其他可能不明显/不清楚的
回归器的微妙考虑因素

以下是我首先要介绍的骨架：

from sklearn.base import BaseEstimator, RegressorMixin
class MyCustomRegressor(BaseEstimator, RegressorMixin):
    def __init__(self, regressorMethod):
      self.regressorMethod = regressorMethod

    def fit(self, X, y=None):
      self.regressorMethod(X,y)
      return self

据我所知，GridSearchCv将使用
score
方法。
关于您的最后一个问题，当您调用估计器上的
.score
时，将使用
score
方法。例如，在basic中，
.score
方法返回“返回预测的确定系数R^2”对于GridSearchCV唯一重要的事情是
\uuuu init\uuuu
（对于参数），
获取参数（）
，
设置参数（）
（用于参数分配以进行调整，但这两个函数将继承自
BaseEstimator
）、
fit（）
、
predict（）
（出于明显的原因）和
score（）
（只有在您未使用GridSearchCV的
评分
参数时才有必要）
仅供内部使用，如前面的
下划线（）所示
。您可以使用它对数据进行一些内部处理，或使用任何其他名称或多个内部函数。它不应影响GridSearchCV的工作。GridSearchCV将克隆每个参数组合的估计器，因此，除非您在实现的函数中声明一些类级属性等，否则不需要额外的ord应该是这样的。除此之外，我不太清楚您想要什么。您能再澄清一点吗？如果您正在创建自定义回归器，您应该继承而不是
ClassifierMixin
，它将具有
分数（）
方法已定义为R平方值。确定thx-我刚刚修复了
ClassifierMixin
->
RegressorMixin