Scikit learn 哈明顿失利不支持交叉评分？

我正在使用sklearn和skmultilearn对多标签进行一些研究

我只是想知道为什么汉明损失不能用于交叉评分，因为它确实可以单独使用。

在中，规定：

评分：字符串，可调用或无，可选，默认值：无

字符串（请参阅模型评估文档）或记分器可调用对象/ 带签名记分器的函数（估计量，X，y）

可用于此操作的字符串为。这里显示的这些字符串使用

hamming\u loss

不在这些字符串中，但我们可以在其上使用

make\u scorer

来定义我们的评分函数对象，然后可以在

cross\u val\u score（）中使用它

像这样使用它：

from sklearn.metrics import make_scorer
output_scores = cross_val_score(lasso, X, y, scoring = make_scorer(hamming_loss,greater_is_better=False))

你怎么能说它不被支持？你试过用它吗？你有什么错误吗？如果是，那么在这里发布。我只使用了一个字符串（'hamming_loss'），崩溃返回的有效选项是[‘精度’、‘调整后的随机分数’、‘平均精度’、‘f1’、‘f1宏’、‘f1宏’、‘f1微’、‘f1加权’、‘负对数损失’、‘负平均绝对误差’、‘负平均平方误差’、‘负中值绝对误差’、‘精度’、‘精度宏’、‘精度微’、‘精度样本’、‘精度加权’、‘r2’、‘召回’、‘召回宏’、‘召回’icro、recall_samples、recall_weighted、roc_auc告诉我，可能是它不支持。这是我使用它的第三天，可能是我应该仔细阅读文档。谢谢你的回复。它很有效。但是分数返回的是负数，应该是正数吗？@iromise如果失败，分数只返回负数实际分数。这是我们想要比较两个分数时的预期行为。因为在
准确度
或
f1_分数
的情况下，分数越高越好，但在损失的情况下，分数越低越好。为了以同样的方式处理这两个问题，它返回负数。请仔细阅读第3.3.1.1节。只需乘以-1返回y我们的实际汉明损失值。@如果答案对你有帮助，请考虑接受。