Python机器学习手册：从数据预处理到深度学习

问题描述

使用自定义指标来评估模型。

解决方案

将评估指标实现为一个函数，并使用scikit-learn的make_scorer将其转换为评分函数：

讨论

虽然scikit-learn有许多用于评估模型性能的内置指标，但定义我们自己的指标仍然很有用。 使用scikit-learn的make_scorer函数，我们能很轻松地创建自定义指标函数。首先，定义一个函数，它接受两个参数——真实的目标向量和预测值，并返回一个分数。然后，使用make_scorer创建一个评分器对象，并指定较高的分数代表模型性能较好或者较差（使用greater_is_better参数）。

本例的解决方案中自定义指标custom_metric是一个简单的示例，它只是对内置的指标做了封装，用以计算得分。在实际情况中，可以使用任何自定义指标替换custom_metric函数。不过，将结果与scikit-learn内置的r2_score方法进行比较，我们可以确定这个计算得分的自定义指标能正常工作：

延伸阅读

● scikit-learn文档：make_scorer（http://bit.ly/2FwMm4m）