История обратного вызова записывает обучающие метрики для каждой эпохи. Это включает в себя потерю и точность (для задач классификации), а также потерю и точность для набора данных проверки, если он установлен.
Объект истории возвращается из вызовов функции fit(), используемой для обучения модели. Метрики хранятся в словаре в истории члена возвращаемого объекта.
Это также означает, что значения должны находиться в области действия функции fit() или последовательной модели, поэтому, если она находится в конвейере sklearn, она не имеет доступа к конечным значениям и может не хранить или вернуть то, что не видит.
На данный момент я не знаю обратного вызова истории в sklearn, поэтому единственное, что я вижу для вас, - это ручная запись метрик, которые вы хотите отслеживать. Один из способов сделать это состоит в том, чтобы конвейер возвращал данные, а затем просто помещал на них вашу модель. Если вы не можете понять это, комментарий.