sklearn.metrics.make_scorer?
sklearn.metrics.make_scorer(score_func, *, greater_is_better=True, needs_proba=False, needs_threshold=False, **kwargs)
根據績效指標或損失函數制作評分器。
此工廠函數包裝評分函數，以用于GridSearchCV和cross_val_score。它需要一個得分函數，例如accuracy_score，mean_squared_error，adjusted_rand_index或average_precision，并返回一個可調用值，用于對估算器的輸出進行評分。
在用戶指南中閱讀更多內容。
| 參數 | 說明 |
|---|---|
| score_func | callable, 帶有score_func(y, y_pred， **kwargs)簽名的Score函數(或loss函數)。 |
| greater_is_better | boolean, default=True score_func是一個得分函數（默認），意味著高是好的，還是一個損失函數，意味著低是好的。在后一種情況下，評分器對象將對score_func的結果進行簽名翻轉。 |
| needs_proba | boolean, default=False score_func是否需要predict_proba才能從分類器中得出概率估計。 如果為True，則對于二進制y_true，得分函數應該接受一維y_pred（即，正類的概率為形狀（n_samples,））。 |
| needs_threshold | boolean, default=False score_func是否需要連續的決策確定性。這僅適用于使用具有decision_function或predict_proba方法的估計器的二進制分類。 如果為True，則對于二進制y_true，分數函數應接受一維y_pred（即，正類的概率或決策函數的形狀（n_samples,））。 例如，不能單獨使用離散預測來計算average_precision或roc曲線下的面積。 |
| **kwargs | additional arguments 要傳遞給score_func的其他參數。 |
| 返回值 | 說明 |
|---|---|
| scorer | callable 返回標量分數的可調用對象；越大越好。 |
注
如果needs_proba = False和needs_threshold = False，則評分函數應接受predict的輸出。 如果needs_proba = True，則分數函數應接受predict_proba 的輸出（對于二進制y_true，評數函數應接受正類的概率）。 如果needs_threshold = True，則評分函數應接受decision_function的輸出。
示例
>>> from sklearn.metrics import fbeta_score, make_scorer
>>> ftwo_scorer = make_scorer(fbeta_score, beta=2)
>>> ftwo_scorer
make_scorer(fbeta_score, beta=2)
>>> from sklearn.model_selection import GridSearchCV
>>> from sklearn.svm import LinearSVC
>>> grid = GridSearchCV(LinearSVC(), param_grid={'C': [1, 10]},
... scoring=ftwo_scorer)
