多评分输入 RandomizedSearchCV

Question

我知道你可以在执行 RandomizedSearchCV 时输入多个得分手，但我找不到哪个将用于优化。

scoring = {'Log loss': 'neg_log_loss', 'AUC': 'roc_auc', 'F1': 'f1', 'Bal Acc': 'balanced_accuracy'}

search_RF = RandomizedSearchCV(RF_model, parameters_RF, scoring = scoring, 
                                n_jobs = -1, cv = cv_RSKFCV, n_iter = 200,
                                random_state = 2504).fit(X_train, y_train)

在上面的例子中，它会优化'neg_log_loss'吗？

Answer 1

它优化了所有这些，一次只考虑一个。您可以在 search_RF.cv_results_.

中查看所有结果

您还应该使用 refit 参数，而不是将其保留为默认值，因为如果您尝试运行 search_RF.best_estimator_.

则会出现错误

点击以下链接了解更多详情：

https://scikit-learn.org/stable/auto_examples/model_selection/plot_multi_metric_evaluation.html#sphx-glr-auto-examples-model-selection-plot-multi-metric-evaluation-py

https://scikit-learn.org/stable/modules/grid_search.html#multimetric-grid-search

多评分输入 RandomizedSearchCV

Multi-scoring input RandomizedSearchCV

python

scikit-learn

cross-validation

scoring