python - 具有定制评分器的Scikit学习分类器(取决于培训功能)

我正在尝试用一个定制的记分器训练一个RandomForestClassifier，它的输出需要依赖于其中一个特性。
X数据集包含18个功能：

y是通常的0和1数组：

带有自定义记分器的RandomForestClassifier用于GridSearchCV实例中：
GridSearchCV（分类器，param_grid=[…]，scoring=custom_scorer）。
自定义记分器通过Scikit学习功能定义，使记分器：
custom_scorer=make_scorer（custom_scorer_function，greater_is_better=True）。
如果自定义的scorer_函数仅依赖于y_true和y_pred，则此框架非常简单。但是，在我的例子中，我需要定义一个记分器，它使用X数据集中包含的18个特征之一，即，根据y_pred和y_true的值，自定义分数将是它们和特征的组合。
我的问题是，如果特性的标准签名接受yútrue和yúpred，那么如何将其传递到自定义的scorer戋u函数中？
我知道它接受额外的**kwargs，但是以这种方式传递整个特性数组并不能解决问题，因为这个函数是为每对yútrue和yúpred值调用的（需要提取与它们相对应的单个特性值才能使其工作，我不确定是否可以做到）。
我试图扩展y_true数组打包功能，并在custom_scorer_函数中对其进行解包（第一列是实际标签，第二列是计算自定义分数所需的功能值）：

但是，这样做违反了具有1D标签数组的分类器的要求，并触发以下错误。
ValueError:未知的标签类型：“连续多输出”
任何帮助都非常感谢。
谢谢您。

最佳答案

你可以这样做（注意，你没有给出真正的代码，所以这是赤裸裸的）

X = [...]
y = [...]

def custom_scorer_function(y, y_pred, **kwargs):
   a_feature = X[:,1]
   # now have y, y_pred and the feature you want

custom_scorer = make_scorer(custom_scorer_function, greater_is_better=True)
...

关于python - 具有定制评分器的Scikit学习分类器(取决于培训功能)，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/49246856/