在scikit中进行交叉验证时向score_func传递参数

我想在scikit进行交叉验证时计算微平均精度。

文档在这里：

说明你可以从metrics模块中传入一个自定义的评分函数，例如metrics.precision_score：

但默认情况下，它会为每个类别计算分数。如果我尝试像这样传入average="micro"：

cross_validation.cross_val_score(clf, x, label, cv=5,score_func=metrics.precision_score(average="micro"))

我会收到以下错误：

TypeError: precision_score() takes at least 2 arguments (1 given)

我无法传入它需要的所有其他参数（y_true, y_pred），因为我不知道y_pred是什么。

在scikit中进行交叉验证时，有没有办法获得微平均精度？

回答：

这里的问题是你实际上是在调用（使用参数average）metrics.precision_score，而不是传递函数本身。一个临时的解决方法是创建一个函数

def micro_average_precision_score(y_true, y_pred):    return metrics.precision_score(y_true, y_pred, average="micro")

然后将其用作你的score_func，即score_func=micro_average_precision_score。

在重要的一点上：score_func已被弃用（如果我没记错的话，从0.13版本开始）。你参考的是scikit learn 0.10版本的文档。你使用的是这个版本吗？

传递评分器的新方法是使用评分器对象。相关的关键字是scoring=而不是score_func=。你可以使用make_scorer将任何评分函数转换为评分器对象，例如上面定义的函数：

from sklearn.metrics.score import make_scorerscorer = make_scorer(micro_average_precision_score, greater_is_better=True)

或者，等效地：

scorer = make_scorer(metrics.precision_score,                      greater_is_better=True, average="micro")

学技术