在 pipeline 中使用自訂評分器
你對自己程式碼品質的進步很滿意，但突然想起先前因為誤報（false positives）對新創的成本高於漏報（false negatives），你必須使用自訂評分指標。你希望在 pipeline 中除了 accuracy 之外，也能使用 roc_auc_score()、f1_score()，以及你自己的自訂評分函式。上一個課程中的 pipeline 已以 pipe 提供，參數網格是 params，訓練資料是 X_train、y_train。你也有 confusion_matrix() 可用來撰寫自己的指標。
本練習屬於課程
在 Python 設計機器學習工作流程
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# 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).____)