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

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。