什么是 _passthrough_scorer 以及如何更改 GridsearchCV (sklearn) 中的计分器？

Posted 2023-03-12

【中文标题】什么是 _passthrough_scorer 以及如何更改 GridsearchCV (sklearn) 中的计分器？

【英文标题】：What is _passthrough_scorer and How Can I Change Scorers in GridsearchCV (sklearn)?

【发布时间】：2016-12-20 21:59:28

【问题描述】：

http://scikit-learn.org/stable/modules/generated/sklearn.grid_search.GridSearchCV.html（供参考）

x = [[2], [1], [3], [1] ... ] # about 1000 data 
grid = GridSearchCV(KernelDensity(), 'bandwidth': np.linspace(0.1, 1.0, 10), cv=10)
grid.fit(x)

当我使用 GridSearchCV 而不指定像 那样的评分函数时，grid.scorer_ 的值是 。你能解释一下_passthrough_scorer是一个什么样的函数吗？

除此之外，我想将评分函数更改为 mean_squared_error 或其他。

grid = GridSearchCV(KernelDensity(), 'bandwidth': np.linspace(0.1, 1.0, 10), cv=10, scoring='mean_squared_error')

但是，grid.fit(x) 行总是给我这个错误信息：

TypeError: __call__() missing 1 required positional argument: 'y_true'

我无法弄清楚如何将 y_true 赋予函数，因为我不知道真实分布。您能告诉我如何更改评分功能吗？感谢您的帮助。

【参考方案1】：

KernelDensity 的默认度量是minkowski，p=2，这是一个欧几里得度量。如果您不指定任何其他评分方法，GridSearchCV 将使用 KernelDensity 指标进行评分。

均方误差的公式为：sum((y_true - y_estimated)^2)/n。你得到了错误，因为你需要有一个y_true 来计算它。

这是一个将 GridSearchCV 应用于 KernelDensity 的虚构示例：

from sklearn.neighbors import KernelDensity
from sklearn.grid_search import GridSearchCV
import numpy as np

N = 20
X = np.concatenate((np.random.randint(0, 10, 50),
                    np.random.randint(5, 10, 50)))[:, np.newaxis]

params = 'bandwidth': np.logspace(-1.0, 1.0, 10)
grid = GridSearchCV(KernelDensity(), params)
grid.fit(X)
print(grid.grid_scores_)
print('Best parameter: ',grid.best_params_)
print('Best score: ',grid.best_score_)
print('Best estimator: ',grid.best_estimator_)

输出是：

[mean: -96.94890, std: 100.60046, params: 'bandwidth': 0.10000000000000001,


 mean: -70.44643, std: 40.44537, params: 'bandwidth': 0.16681005372000587,
 mean: -71.75293, std: 18.97729, params: 'bandwidth': 0.27825594022071243,
 mean: -77.83446, std: 11.24102, params: 'bandwidth': 0.46415888336127786,
 mean: -78.65182, std: 8.72507, params: 'bandwidth': 0.774263682681127,
 mean: -79.78828, std: 6.98582, params: 'bandwidth': 1.2915496650148841,
 mean: -81.65532, std: 4.77806, params: 'bandwidth': 2.1544346900318834,
 mean: -86.27481, std: 2.71635, params: 'bandwidth': 3.5938136638046259,
 mean: -95.86093, std: 1.84887, params: 'bandwidth': 5.9948425031894086,
 mean: -109.52306, std: 1.71232, params: 'bandwidth': 10.0]
 Best parameter:  'bandwidth': 0.16681005372000587
 Best score:  -70.4464315885
 Best estimator:  KernelDensity(algorithm='auto', atol=0, bandwidth=0.16681005372000587,
       breadth_first=True, kernel='gaussian', leaf_size=40,
       metric='euclidean', metric_params=None, rtol=0)

GridSeachCV 的有效评分方法通常需要 y_true。在您的情况下，您可能希望将 sklearn.KernelDensity 的指标更改为其他指标（例如，sklearn.metrics.pairwise.pairwise_kernels、sklearn.metrics.pairwise.pairwise_distances），因为网格搜索将使用它们进行评分。

【讨论】：

感谢您的回答。根据 KernelDensity (scikit-learn.org/stable/modules/generated/…) 的文档，“密度输出的归一化仅适用于欧几里德距离度量”，但我不确定这如何影响结果。你能用简单的英语解释一下吗？