带有KernelDensity和自定义记分器的GridSearchCV会产生和没有记分器相同的结果

Question

我正在使用scikit slearn 0.14，并试图为GridSearchCV实现一个用户定义的评分函数来进行评估。

def someScore(gtruth, pred):
    pred = np.clip(pred, 0, np.inf)
    logdif = np.log(1 + gtruth) - np.log(1 + pred)
    return sin(np.sqrt(np.mean(np.square(logdif))))
neg_scorefun = make_scorer(lambda x,y:someScore(x,y))

注意：我添加了鼻窦，所以分数排名与大多数其他分数不同，只是为了测试。。。

现在，如果我运行

g1=GridSearchCV(KernelDensity(),param_grid,scoring=neg_scorefun).fit(X)

然后

g2=GridSearchCV(KernelDensity(),param_grid).fit(X)

然后

print g1.best_score_, g2.best_score_

给我完全相同的结果。"best_params_"也是相同的。无论我在函数"someScore"中输入什么，它总是一样的。我预计结果会有所不同，考虑到我用固定值测试了"someScore"，返回了一些负值，使用了sinus（如上面的例子），基本上尝试了从"基本事实"one_answers"预测"得出的各种值。。。

从结果来看，无论我使用什么得分，得分者都会被忽略、覆盖、不被调用，不管怎样。。。

我错过了什么？有什么建议吗？

Answer 1

如果您想使用自定义函数，您需要定义一个具有以下签名的可调用函数：

def-myscoreing（估计器，X，y）：return np.meal（估计器.预测（X）！=y）