如何在 Scikit-Learn (sklearn) 中将 `GridSearchCV` 中的 `log_loss` 与多个 class 标签一起使用？

Question

我正在尝试使用 GridSearchCV 的 scoring 参数中的 log_loss 参数来调整此 multi-class (6 classes ) class 生成器。我不明白如何给它一个 label 参数。即使我给它 sklearn.metrics.log_loss，它也会在交叉验证中的每次迭代中改变，所以我不明白如何给它 labels 参数？

我正在使用 Python v3.6 和 Scikit-Learn v0.18.1

如何使用 GridSearchCV 和 log_loss 以及多 class 模型调整？

我的class表示：

1    31
2    18
3    28
4    19
5    17
6    22
Name: encoding, dtype: int64

我的代码：

param_test = {"criterion": ["friedman_mse", "mse", "mae"]}
gsearch_gbc = GridSearchCV(estimator = GradientBoostingClassifier(n_estimators=10), 
                        param_grid = param_test, scoring="log_loss", n_jobs=1, iid=False, cv=cv_indices)
gsearch_gbc.fit(df_attr, Se_targets)

这是错误的结尾，完整的错误在这里 https://pastebin.com/1CshpEBN：

ValueError: y_true contains only one label (1). Please provide the true labels explicitly through the labels argument.

更新： 就用这个来制作基于 @Grr

的得分手

log_loss_build = lambda y: metrics.make_scorer(metrics.log_loss, greater_is_better=False, needs_proba=True, labels=sorted(np.unique(y)))

Answer 1

我的假设是，不知何故，您的数据拆分在 y_true 中只有一个 class 标签。虽然根据您发布的发行版，这似乎不太可能，但我想这是可能的。虽然我在 [sklearn.metrics.log_loss](http://scikit-learn.org/stable/modules/generated/sklearn.metrics.log_loss.html) 中似乎没有运行进入这个，但如果标签都相同，则标签参数是预期的。如果 labels 未通过，该文档的这一部分的措辞也让人觉得该方法似乎会推算一个二进制 classification。

现在你正确地假设你应该将 log_loss 作为 scorer=sklearn.metrics.log_loss(labels=your_labels)

Answer 2

您可以在旧版本中简单地指定 "neg_log_loss_scorer"（或 "log_loss_scorer"），这将使用负对数损失。

如何在 Scikit-Learn (sklearn) 中将 `GridSearchCV` 中的 `log_loss` 与多个 class 标签一起使用？

How to use `log_loss` in `GridSearchCV` with multi-class labels in Scikit-Learn (sklearn)?

python

optimization

machine-learning

scikit-learn

grid-search