我试图将OnClassSVM用于异常检测，并使用GridSearchCV（）对其参数进行了如下调整：
我已经搜索了许多站点，包括https://stackoverflow.com/，但找不到适合我的方案的任何解决方案。
代码在这里：
nus = [0.001, 0.01, 0.1, 1]
gammas = [0.001, 0.01, 0.1, 1]
scorers = {
'precision_score': make_scorer(precision_score),
'recall_score': make_scorer(recall_score),
'accuracy_score': make_scorer(accuracy_score)
}
tuned_parameters = {'C': [1, 10, 100, 1000], 'kernel' : ['rbf','linear'],
'gamma' : gammas, 'nu': nus}
tuned_ocsvm = svm.OneClassSVM()
ocsvm = GridSearchCV(estimator=svm.OneClassSVM(),
param_grid=tuned_parameters, scoring=scorers,refit='false')
但这给我错误如下
对于多指标计分，必须将参数refit设置为记分器键或可调用参数，以使估算器在整个数据上具有最佳参数设置，并使best_ *属性可用于该指标。如果不需要这样做，则应将refit显式设置为False。传递了“假”
最佳答案
在GridSearchCV's doc上，refit定义为：
refit：布尔值，字符串或可调用，默认值= True
使用在整个数据集上找到的最佳参数重新拟合估算器。
对于多指标评估，这需要是一个表示计分器的字符串，该计分器将用于查找最佳参数以最终重新拟合估计器。
在选择最佳估算器时，除最大分数以外，还可以考虑将refit设置为一个函数，该函数在给定cv_results_的情况下返回所选的best_index_。
可以在best_estimator_属性中使用经过调整的估计器，并允许直接在此GridSearchCV实例上使用预测。
同样对于多指标评估，属性best_index_，best_score_和best_params_仅在设置了调整后才可用，并且将通过此特定计分器确定所有属性。如果可调用改装，则不会返回best_score_。
请参阅评分参数以了解有关多指标评估的更多信息。
如果您不想调整估计量，则可以设置refit=False（为布尔值）。另一方面，要使评估者适合其中一个得分者，例如可以执行refit='precision_score'。