目标：使用Brier分数损失来训练随机森林算法，并使用GridSearchCV进行网格搜索
问题：在使用make_scorer时，目标“y”的概率预测维度错误。
在查看这个问题后，我采用了其建议的代理函数来使用Brier分数损失训练GridSearchCV。下面是一个设置示例：
from sklearn.model_selection import GridSearchCVfrom sklearn.metrics import brier_score_loss,make_scorerfrom sklearn.ensemble import RandomForestClassifierimport numpy as npdef ProbaScoreProxy(y_true, y_probs, class_idx, proxied_func, **kwargs): return proxied_func(y_true, y_probs[:, class_idx], **kwargs)brier_scorer = make_scorer(ProbaScoreProxy, greater_is_better=False, \ needs_proba=True, class_idx=1, proxied_func=brier_score_loss)X = np.random.randn(100,2)y = (X[:,0]>0).astype(int)random_forest = RandomForestClassifier(n_estimators=10)random_forest.fit(X,y)probs = random_forest.predict_proba(X)现在直接将probs和y传递给brier_score_loss或ProbaScoreProxy不会导致错误：
ProbaScoreProxy(y,probs,1,brier_score_loss)输出结果为：
0.0006现在通过brier_scorer传递：
brier_scorer(random_forest,X,y)输出结果为：
---------------------------------------------------------------------------IndexError Traceback (most recent call last)<ipython-input-28-1474bb08e572> in <module>()----> 1 brier_scorer(random_forest,X,y)~/anaconda3/lib/python3.6/site-packages/sklearn/metrics/_scorer.py in __call__(self, estimator, X, y_true, sample_weight) 167 stacklevel=2) 168 return self._score(partial(_cached_call, None), estimator, X, y_true,--> 169 sample_weight=sample_weight) 170 171 def _factory_args(self):~/anaconda3/lib/python3.6/site-packages/sklearn/metrics/_scorer.py in _score(self, method_caller, clf, X, y, sample_weight) 258 **self._kwargs) 259 else:--> 260 return self._sign * self._score_func(y, y_pred, **self._kwargs) 261 262 def _factory_args(self):<ipython-input-25-5321477444e1> in ProbaScoreProxy(y_true, y_probs, class_idx, proxied_func, **kwargs) 5 6 def ProbaScoreProxy(y_true, y_probs, class_idx, proxied_func, **kwargs):----> 7 return proxied_func(y_true, y_probs[:, class_idx], **kwargs) 8 9 brier_scorer = make_scorer(ProbaScoreProxy, greater_is_better=False, needs_proba=True, class_idx=1, proxied_func=brier_score_loss)IndexError: too many indices for array因此，似乎在make_scorer中发生了某些变化，导致其概率输入的维度发生了变化，但我无法看出问题所在。
版本：- sklearn: ‘0.22.2.post1’- numpy: ‘1.18.1’
请注意，这里y的维度是正确的（一维），通过尝试您会发现传递给ProbaScoreProxy的y_probs的维度是导致问题的关键。
这是上一个问题中的代码写得不好吗？最终如何创建一个make_score对象，使其能够被GridSearchCV接受并用于训练随机森林？
回答：
目标：使用Brier分数损失来训练随机森林算法，并使用GridSearchCV进行网格搜索
为了实现这一目标，您可以直接在GridSearchCV的scoring参数中使用字符串值'neg_brier_score'。
例如：
gc = GridSearchCV(random_forest, param_grid={"n_estimators":[5, 10]}, scoring="neg_brier_score")gc.fit(X, y)print(gc.scorer_) # make_scorer(brier_score_loss, greater_is_better=False, needs_proba=True)