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: