如何在 sklearn cross_val_score 中使用自定义评分功能

Question

我想在cross_val_score 函数中使用Adjusted Rsquare。我尝试了make_scorer 函数，但它不起作用。

from sklearn.cross_validation import train_test_split
X_tr, X_test, y_tr, y_test = train_test_split(X, Y, test_size=0.2, random_state=0)

regression = LinearRegression(normalize=True)
from sklearn.metrics.scorer import make_scorer
from sklearn.metrics import r2_score
def adjusted_rsquare(y_true,y_pred):
    adjusted_r_squared = 1 - (1-r2_score(y_true, y_pred))*(len(y_pred)-1)/(len(y_pred)-X_test.shape[1]-1)
    return adjusted_r_squared

my_scorer = make_scorer(adjusted_rsquare, greater_is_better=True)
score = np.mean(cross_val_score(regression, X_tr, y_tr, scoring=my_scorer,cv=crossvalidation, n_jobs=1))

这是一个错误：

IndexError: positional indexers are out-of-bounds

有什么方法可以使用我的自定义函数，即； adjusted_rsquare 与 cross_val_score?

Answer 1

adjusted_rsquare(X,Y) 是一个数字，它不是函数，只需像这样创建记分器：

my_scorer = make_scorer(adjusted_rsquare, greater_is_better=True)

您还需要change the score function:

def adjusted_rsquare(y_true, y_pred, **kwargs):

这就是您应该使用的原型。您将实际结果与应有的结果进行比较。