Scikit learn 如何使用加权对数损失作为线性模型SGDClassizer的评分函数?
我正在使用Scikit learn 如何使用加权对数损失作为线性模型SGDClassizer的评分函数?,scikit-learn,computer-vision,logistic-regression,weighted,Scikit Learn,Computer Vision,Logistic Regression,Weighted,我正在使用 linear\u model.sgdclassizer(loss='log',class='weight='balanced') 对于10类分类(类非常不平衡) 看起来,类_重量仅在训练时使用(在损耗函数中)。它们不用于得分。 因此,我使用 GridSearchCV(测试模型、我的超参数、评分class='f1\U宏') 由于“f1_宏”,它计算“每个标签的度量,并找到它们的未加权平均值。这不考虑标签不平衡。” 我想用‘负失球’作为得分。因此,我会: GridSearchCV(测试模
linear\u model.sgdclassizer(loss='log',class='weight='balanced')
对于10类分类(类非常不平衡)
看起来,类_重量仅在训练时使用(在损耗函数中)。它们不用于得分。
因此,我使用
GridSearchCV(测试模型、我的超参数、评分class='f1\U宏')
由于“f1_宏”,它计算“每个标签的度量,并找到它们的未加权平均值。这不考虑标签不平衡。”
我想用‘负失球’作为得分。因此,我会:
GridSearchCV(测试模型、我的超参数、评分='neg\u log\u loss')
有可能使它变重吗
在我看到的文档中:
sklearn.metrics.log\u loss(y\u true,y\u pred,eps=1e-15,normalize=true,sample\u weight=None,labels=None)
但是我怎样才能把“样品重量”传递进去呢
GridSearchCV(测试模型,我的超参数,评分
?您可以使用make\u scorer
创建评分函数,并将样本权重
作为参数传递给它。