多评分输入 RandomizedSearchCV

问题描述

我知道您可以在执行 RandomizedSearchCV 时输入多个得分手，但我找不到将使用哪一个进行优化。

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？

解决方法

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。

此外，您应该使用 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：

Dynamic

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