sklearn.metrics中的"check_scoring"是什么？
What is "check_scoring" in sklearn.metrics?
sklearn.metrics中的check_scoring是什么，它是如何工作的，它与make_scorer有什么区别？
check_scoring主要作为内部方法使用，保证评分方法有效
它 returns 与 make_scorer 相同类型的实例，或者如果提供 None 则为默认分数：
>>> from sklearn.tree import DecisionTreeClassifier
>>> from sklearn.tree import DecisionTreeRegressor
>>> clf = DecisionTreeClassifier()
>>> regr = DecisionTreeRegressor()
>>> from sklearn.metrics import check_scoring
>>> check_scoring(clf, scoring="recall")
make_scorer(recall_score, average=binary)
>>> check_scoring(regr, scoring="r2")
make_scorer(r2_score)
因此：您可能会更频繁地使用 make_scorer。
sklearn.metrics中的check_scoring是什么，它是如何工作的，它与make_scorer有什么区别？
check_scoring主要作为内部方法使用，保证评分方法有效
它 returns 与 make_scorer 相同类型的实例，或者如果提供 None 则为默认分数：
>>> from sklearn.tree import DecisionTreeClassifier
>>> from sklearn.tree import DecisionTreeRegressor
>>> clf = DecisionTreeClassifier()
>>> regr = DecisionTreeRegressor()
>>> from sklearn.metrics import check_scoring
>>> check_scoring(clf, scoring="recall")
make_scorer(recall_score, average=binary)
>>> check_scoring(regr, scoring="r2")
make_scorer(r2_score)
因此：您可能会更频繁地使用 make_scorer。