我正在尝试使用一个自定义评分器来训练一个RandomForestClassifier，这个评分器的输出需要依赖于其中一个特征。

X数据集包含18个特征：

y是常规的0和1的数组：

带有自定义评分器的RandomForestClassifier在GridSearchCV实例中使用：GridSearchCV(classifier, param_grid=[…], scoring=custom_scorer)。

自定义评分器是通过Scikit-learn的make_scorer函数定义的：custom_scorer = make_scorer(custom_scorer_function, greater_is_better=True)。

如果自定义评分函数仅依赖于y_true和y_pred，这个框架非常简单。然而，在我的情况下，我需要定义一个评分器，它使用X数据集中包含的18个特征之一，即根据y_pred和y_true的值，自定义评分将是它们和该特征的组合。

我的问题是，如何将特征传递给custom_scorer_function，因为它的标准签名只接受y_true和y_pred？

我知道它接受额外的**kwargs，但以这种方式传递整个特征数组并不能解决问题，因为这个函数是为每一对y_true和y_pred值调用的（需要提取与它们对应的单个特征值才能使其工作，我不确定是否可以做到这一点）。

我尝试通过在y_true数组中打包该特征，并在custom_scorer_function中解包它来增强y_true数组（第一列是实际标签，第二列是我需要计算自定义评分的特征值）：

然而，这样做违反了分类器需要一个一维标签数组的要求，并触发了以下错误。

ValueError: Unknown label type: ‘continuous-multioutput’

任何帮助都将不胜感激。

谢谢你。

回答：

你可以像这样做（请注意你没有提供任何实际代码，所以这只是一个基本框架）

X = [...]y = [...]def custom_scorer_function(y, y_pred, **kwargs):   a_feature = X[:,1]   # 现在你有了y, y_pred 和你想要的特征custom_scorer = make_scorer(custom_scorer_function, greater_is_better=True)...