我一直在使用带有RBF SVM（二元分类器）的GridSearchCV来获取验证准确率热图。我使用的代码几乎直接来自SKlearn的网站。是否有办法从中找到敏感性和特异性？例如，对于GridSearchCV使用的参数值范围？

回答：

如果您的问题是二元或多类分类，那么混淆矩阵可能是您要找的。

from sklearn.metrics import confusion_matrixy_true = [2, 0, 2, 2, 0, 1]y_pred = [0, 0, 2, 2, 0, 2]confusion_matrix(y_true, y_pred)array([[2, 0, 0],       [0, 0, 1],       [1, 0, 2]])

解释如下：

对于属于类别0的示例，估计器正确预测了100%（2/2）。
对于属于类别1的示例，估计器完全错误，因为它将唯一示例预测为类别2。
对于属于类别2的示例，估计器正确预测了66%（2/3），因为它预测了2个示例为类别2，1个为类别0。

对于二元分类：

y_true = [1, 0, 1, 0, 0, 1]y_pred = [1, 0, 1, 1, 0, 1]cm = confusion_matrix(y_true, y_pred)print cmtp = float(cm[0][0])/np.sum(cm[0])tn = float(cm[1][1])/np.sum(cm[1])print tpprint tn[[2 1] [0 3]]0.6666666666671.0

关于您在GridSearchCV中使用的参数，您可以在grid_scores_属性中找到它们。