简介
f1_score通常来说是用来衡量二分类模型精确度的一种指标。比如sklearn中的f1_score函数默认处理二分类问题。但是它也可以用来处理多分类问题。原理简单地描述是，把多分类问题拆借为N个二分类问题，最后对这N个f1 score做平均，得到最后的评价指标，叫"Macro F1",其在sklearn中对应的函数实现见f1_score官方文档
其中，将参数average设置为 macro即可。
比如官网给的example:
Screen Shot 2018-09-03 at 5.52.10 PM.png
在实战项目中的应用
因为 GridSearch()函数需要传入一个scoring对象，所以需要使用make_scorer()函数来生成scoring对象。参考make_scorer的官方文档
注意到
Screen Shot 2018-09-03 at 5.56.12 PM.png
故我们的f1_score所带的average参数也应该写在make_score()中。这一个用法和上面f1_score()给的example不同，但也很常用，多多积累。
Bugs...
如图：
WechatIMG175.jpeg
- LogisticRegression的对应的pamameters没有kernel这个参数..但svm是有的.好好听课好好做笔记好好查文档..
- classfier,parameters传的不是这个str而是这个变量。细心同学...
网友评论