Próbuję zaimplementować niestandardową funkcję oceniania dla RidgeClassifierCV w nauce scikit. Obejmuje to przekazywanie niestandardowej funkcji oceniania jako score_func
podczas inicjowania obiektu RidgeClassifierCV
. Oczekuję, że score_func przyjmie wartości kategoryczne jako dane wejściowe dla y_true
i y_pred
. Zamiast tego wartości zmiennoprzecinkowe są przekazywane jako y_true
i y_pred
. Rozmiar wektorów y jest równy liczbie klas pomnożonej przez liczbę przykładów ćwiczeń, a nie po prostu wektorowi y o długości odpowiadającej liczbie przykładów ćwiczeń.Funkcja oceniania dla RidgeClassifierCV
Czy mogę w jakiś sposób zmusić kategoryczne prognozy do przejścia do niestandardowej funkcji oceniania lub czy muszę traktować surowe wagi? Jeśli mam do czynienia bezpośrednio z wagami surowymi, czy jest to indeks wartości maksymalnej w przekroju wektora wyników równoważnych przewidywanej klasie?
To jest kolejny [błąd] (https://github.com/scikit-learn/scikit-learn/pull/3302) :) - znaleziony wczoraj jako bezpośredni skutek dla drugiego odkrytego przez ciebie. – eickenberg
Jako hacky obejście tego, ponieważ używasz własnej funkcji wyniku, proponuję, abyś ustawił wartości ciągłe na 0. Wartości dodatnie stają się etykietą pierwszej klasy, a ujemne drugą. (Czy używasz więcej niż 2 etykiet?) – eickenberg
I znowu, dzięki za zgłoszenie! – eickenberg