交叉验证，对一部分的精确评分

Question

。 我想运行交叉验证并尝试多个估计器，但是我有兴趣以仅1和2类的精度进行评分。我不在乎类0的精确度，而且我不希望它的得分来放弃简历优化。我也不在乎任何课程的召回。换句话说，我想确保每当1或2预测时，它都会有很高的信心。

问题是，我该如何运行

cross_val_score

并告诉其评分函数以忽略第0类的精度？

update

：根据接受的答案，这是一个示例答案代码：

def custom_precision_score(y_true,y_pred):
  precision_tuple, recall_tuple, fscore_tuple, support_tuple = metrics.precision_recall_fscore_support(y_true, y_pred)
  precision_tuple = precision_tuple[1:]
  support_tuple = support_tuple[1:]
  weighted_precision = np.average(precision_tuple, weights=support_tuple)
  return weighted_precision

custom_scorer = metrics.make_scorer(custom_precision_score)

scores = cross_validation.cross_val_score(clf, featuresArray, targetArray, cv=10, scoring=custom_scorer)

cross_val_score

包括一个可以使用您自己的测试策略

使用

make_scorer

Answer 1

score_func(y, y_pred, **kwargs)

中测试的组，这是由

make_scorer

。