Лучшая метрика оценки отсутствует в best_param_ для GridSearchCV

Question

У меня есть следующее:

from sklearn.model_selection import GridSearchCV
from sklearn.ensemble import RandomForestClassifier as RFC

par = {"n_estimators":n_estimators,
"max_depth":max_depth,
"class_weight":weight}


scores = {"AUC":"roc_auc","score":my_score} #Scores metric


rfc=RFC()

grid_rfc=GridSearchCV(rfc,
param_grid=par,
cv=10,
scoring=scores,
iid=False,
refit="AUC")

grid_rfc.fit(x_train,y_train)

Затем я могу получить лучшие параметры с помощью grid_rfc.best_param, но score, который предоставил лучшие параметры, не указан.

Насколько я понимаю, score - это тот, который RFC пытается максимизировать, поэтому я не понимаю, почему его нет в лучшем параметре.

РЕДАКТИРОВАТЬ:

Это не оценка, которую производит RF, которую я пропускаю, а то, какая функция оценки использовалась, чтобы соответствовать дереву, которое дало лучший результат (например, "AUC" или "my_score" из scoreДИКТ)

Answer 1

Согласно документации GridSearchCV , вы можете использовать best_score_ из best_param_, чтобы получить лучший результат.

Я не могу протестировать этот пример, так как ваш код не завершен, но реализация должна выглядеть следующим образом:

from sklearn.model_selection import GridSearchCV
from sklearn.ensemble import RandomForestClassifier as RFC

par = {"n_estimators":n_estimators,
"max_depth":max_depth,
"class_weight":weight}


scores = {"AUC":"roc_auc","score":my_score} #Scores metric


rfc=RFC()

grid_rfc=GridSearchCV(rfc,
param_grid=par,
cv=10,
scoring=scores,
iid=False,
refit="AUC")

grid_rfc.fit(x_train,y_train)

# Print the best score
print(grid.best_score_)

Теперь вы можете заметить, что это выглядит немного иначе, чем истинное precision, так что смотрите этот пост переполнения стека для более подробного обсуждения этого вопроса.