Scikit learn 多类目标变量XGBoost的超参数调整

我有一个多重分类问题，我要预测1，2或3，我正试图解决使用XG Boost。我正在尝试使用随机搜索微调参数。这是我的密码：

我曾尝试将“param_distributions”中的“scoring”参数从“auc_roc”更改为“precision”，“f1_samples”，“jaccard”，这引发了另一个与“average”参数相关的错误，因为我有多类问题

损耗=[‘铰链’、‘对数’、‘修饰符’、‘平方铰链’、‘感知器’] 罚金=['li'，'l2'，'elasticnet'] α=[0.0001,0.001,0.01,0.1,1,101001000] learnin_比率=[“常量”、“最佳”、“invscaling”、“自适应”] 类_权重=[{0.3,0.5,0.2}，{0.3,0.4,0.3}] eta0=[1,10100] xg_class=xgb.XGBClassifierobjective=multi:softmax，colsample_bytree=1， 伽马=1，子样本=0.8，学习率=0.01，最大深度=3， alpha=10，n_估计量=1000，多标签=True，num_类=3 从sklearn.metrics导入jaccard_分数 参数分布=损失=损失，惩罚=惩罚，α=α，学习率=学习率，等级权重=等级权重，eta0=eta0 random=RandomizedSearchCVestimator=xg_类，param_分布=param_分布， 得分=jaccard\u scorey\u true=Y\u miss\u xgb\u test，Y\u pred=preds\u miss\u xgb，平均值='micro'， verbose=1，n_作业=-1，n_iter=1000 random\u result=random.fitX\u miss\u xgb\u train，Y\u miss\u xgb\u train 我得到的错误是

ValueError:评分应为单个字符串或可调用 单指标求值或字符串列表/元组或 映射到可调用的用于多指标评估的记分器名称。得到 0.3996569468267582型

对于单指标评估，需要单个字符串或可调用的字符串，或者映射到可调用的多指标评估的字符串列表/元组或计分器名称的dict作为评分参数，但传递了浮点值。jaccard_scorey_true=Y_miss_xgb_test，Y_pred=preds_miss_xgb，average='micro'返回的浮动分数实际为0.3996569468267582

您可以将jaccard_得分指定为字符串，如下所示：

random = RandomizedSearchCV(estimator = xg_class, 
                            param_distributions=param_distributions, 
                            scoring = "jaccard_score",
                            verbose = 1, 
                            n_jobs =-1, 
                            n_iter = 1000)