当使用tensorflow训练神经网络时，我可以任意设置损失函数。在训练SVM时，sklearn中是否有类似的方法？假设我想让我的分类器只优化敏感性（不管这种做法是否合理），我该怎么做呢？

回答：

据我所知，这在支持向量机中是不可能的。使用其他模型时，你可以更改要优化的损失函数，或者更改预测概率的分类阈值。

然而，SVMs最小化的是铰链损失，它们并不对类别的概率进行建模，而是对它们的分离超平面进行建模，因此手动调整的空间不大。

如果你需要专注于敏感性或特异性，请使用允许直接最大化该函数的不同模型，或者允许预测类别概率的模型（例如考虑逻辑回归、基于树的方法）。