在使用 scikit-learn 在管道中安装 ML model 后，如何将精度与 score() function 中的另一个性能指标交换？

Question

这是我的代码的一部分：

def ml_pipeline(self):
    if self.control_panel['ml_pipeline_switch']:
        self.model = make_pipeline(self.preprocessor, self.control_panel['ml_algo'][1])
        self.model.fit(self.X_train, self.y_train)

def ml_pipeline_result(self, show_control_panel_switch=True): 
    if self.control_panel['ml_pipeline_switch']:
        print('Model score (training set): %.3f' % self.model.score(self.X_train, self.y_train))
        print('Model score (test set): %.3f' % self.model.score(self.X_test, self.y_test))

score()似乎产生了准确性。 如何将准确率与F1-macro或recall-macro等其他性能指标交换？ 我在文档中找不到任何东西。

Answer 1

对您的问题的简短回答是否定的，除非您破解并重新定义/覆盖scikit-learn函数。

当您使用pipe.score()时，它会从位于管道末尾的分类器中调用 score 方法。

现在，幕后发生的事情是scikit-learn中的所有分类器都基于ClassifierMixin class，其中.score()是通过accuracy_score定义的，这是硬编码的（参见此处）。