Pipelines में कस्टम स्कोरर्स
आप अपने कोड क्वालिटी में सुधार से खुश हैं, लेकिन आपको याद आता है कि पहले आपको एक कस्टम स्कोरिंग मेट्रिक का इस्तेमाल करना पड़ा था, क्योंकि आपकी स्टार्टअप के लिए false positives, false negatives से ज्यादा महँगे पड़ते हैं. इसलिए आप अपनी पाइपलाइन में accuracy के अलावा दूसरे स्कोरर्स भी जोड़ना चाहते हैं, जैसे roc_auc_score(), f1_score(), और आपका अपना कस्टम स्कोरिंग फंक्शन. पिछली लेसन की पाइपलाइन pipe के रूप में उपलब्ध है, पैरामीटर ग्रिड params के रूप में, और ट्रेनिंग डेटा X_train, y_train के रूप में. अपना मेट्रिक लिखने के लिए आपके पास confusion_matrix() भी है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
Python में मशीन लर्निंग वर्कफ़्लो डिज़ाइन करना
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Create a custom scorer
scorer = ____(roc_auc_score)
# Initialize the CV object
gs = GridSearchCV(pipe, param_grid=params, scoring=____)
# Fit it to the data and print the winning combination
print(gs.____(X_train, y_train).____)