【发布时间】：2014-08-10 06:46:10
【问题描述】：
我正在尝试在 scikit-learn 中为 RidgeClassifierCV 实现自定义评分功能。这涉及在初始化RidgeClassifierCV 对象时将自定义评分函数作为score_func 传递。我希望 score_func 将分类值作为y_true 和y_pred 的输入。然而，浮点值作为y_true 和y_pred 传入。 y 向量的大小等于类数乘以训练样例数，而不是简单地拥有一个长度等于训练样例数的 y 向量。
我能否以某种方式强制将分类预测传递到自定义评分函数中，还是我必须处理原始权重？如果我必须直接处理原始权重，输出向量切片中最大值的索引是否等于预测的类？
【问题讨论】：
-
这是另一个 bug :) - 昨天被发现是你发现的另一个人的直接后果。
-
作为解决此问题的一个 hacky 解决方法，因为您使用自己的得分函数，我建议您将连续值阈值为 0。正值成为您的第一个类标签，负值成为第二个。 （或者您使用的标签超过 2 个？）
-
再次感谢您的报告！
-
这个问题仍然显示为未回答。我们可以关闭它而不将其标记为“不属于这里”吗？
-
同意...@eickenberg 您是否介意将错误更新发布为“答案”，以便从未回答的#python 列表中排在首位？
标签： python scikit-learn