Trình chấm điểm tùy chỉnh trong pipelines
Bạn rất hài lòng vì chất lượng mã đã được cải thiện, nhưng vừa nhớ ra rằng trước đây bạn phải dùng một thước đo chấm điểm tùy chỉnh vì false positive gây tốn kém cho startup của bạn hơn false negative. Do đó, bạn muốn trang bị cho pipeline các trình chấm điểm khác ngoài accuracy, gồm roc_auc_score(), f1_score(), và chính hàm chấm điểm tự viết. Pipeline từ bài trước có sẵn dưới tên pipe, lưới tham số là params, và dữ liệu huấn luyện là X_train, y_train. Bạn cũng có confusion_matrix() để phục vụ việc viết metric riêng.
Bài tập này là một phần của khóa học
Thiết kế quy trình Machine Learning bằng Python
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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).____)