在处理一个不平衡数据集问题（7% 对 93%）时，我想通过网格搜索交叉验证找出我的 xgboost 模型的最佳结构。注意：我使用分层 k 折交叉验证来确保每个折叠中少数类的比例正确。

我的情况是这样的，我注意到 GridSearchCV 有一个名为 ‘scoring’ 的参数，我可以传递一个或多个sklearn.metrics，如这里所示。然而，xgboost 也有一个名为 ‘eval_metric’ 的参数，我对两者之间的区别有些困惑。您能解释一下它们之间的区别吗？应该在哪里指定这些参数呢？

我将附上一些代码来进行说明：

params_grid = {'n_estimators': [100, 300],'learning_rate': [0.01, 0.1, 0.3],'colsample_bytree': [0.3, 0.5],}params_fixed = {    'objective':'binary:logistic',    'silent':1,    'eval_metric':'auc'}n_folds = 5skf = StratifiedKFold(n_splits=n_folds,random_state=seed,shuffle=True)# create xgboost classifierxgb = XGBClassifier(**params_fixed, seed=seed)grid_search = GridSearchCV(estimator=xgb, param_grid=params_grid,                                cv=skf.split(X_train, y_train), scoring='balanced_accuracy')

此外，您建议我使用哪个函数？可以是 skearn.metrics 中的，也可以是自定义的，但我还不知道如何编写。请注意，我的需求是在召回率和精确率之间进行权衡，但对我来说召回率是最重要的，因为我想在 99% 的情况下检测到少数类。

回答：

将我的评论转化为回答，并没有绕过任何步骤，一切仍然有效，但这显然没有意义。每种算法都会最大化你指定的指标，所以在你的例子中，xgboost 将构建树来最大化 auc，而网格搜索将找到最大化准确率的超参数。这显然没有意义。

因此，你应该将两个指标设置为相同，无论是 AUC、召回率还是你认为适合你问题的其他指标；对于不平衡数据集，AUC 是一个不错的选择，或者你可以选择一个更倾向于召回率的 F 分数。