擅长:python、mysql、java
<p>好吧,这里有三件事:</p>
<p>1)在用于调整模型参数的培训期间,存在一个损失函数</p>
<p>2)有一个评分函数,用于判断您的模型的质量</p>
<p>3)超参数调节,使用评分函数优化超参数。在</p>
<p>所以。。。如果您试图调整超参数,那么您在为此目的定义“loss fxn”时是正确的。但是,如果您试图调整整个模型,使其在召回测试中表现良好,那么您需要一个召回优化器作为培训过程的一部分。这很棘手,但你可以做到。。。在</p>
<p>1)打开分级机。让我们用一个RFC为例:<a href="https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestClassifier.html" rel="nofollow noreferrer">https://scikit-learn.org/stable/modules/generated/sklearn.ensemble.RandomForestClassifier.html</a></p>
<p>2)点击[source]</p>
<p>3)看看它是如何从ForestClassifier继承的?就在类定义中。单击该单词可跳转到其父定义。在</p>
<p>4)看看这个新对象是如何从ClassifierMixin继承的?点击那个。在</p>
<p>5)看看ClassifierMixin类的底部是怎么说的?在</p>
<pre><code>from .metrics import accuracy_score
return accuracy_score(y, self.predict(X), sample_weight=sample_weight)
</code></pre>
<p>那是你的模型在训练精确性。如果你想把你的模型训练成一个“召回模型”或“精确模型”或其他任何模型,你需要在这一点上注入。这个精度指标被放入SKlearn。总有一天,一个比我更好的人会把这个参数作为一个模型可以接受的参数,但是与此同时,你必须进入你的sklearn安装,并调整这个准确度_分数,以达到任何你想要的。在</p>
<p>祝你好运!在</p>