将评分函数从 sklearn.metrics 传递到 GridSearchCV

GridSearchCV 文档 http://scikit-learn.org/stable/modules/generated/sklearn.grid_search.GridSearchCV.html表明我可以通过评分功能。

评分：字符串，可调用或无，默认=无

我想使用本机准确率_分数 http://scikit-learn.org/stable/modules/generated/sklearn.metrics.accuracy_score.html作为评分函数。

这是我的尝试。导入和一些数据：

import numpy as np
from sklearn.cross_validation import KFold, cross_val_score
from sklearn.grid_search import GridSearchCV
from sklearn.metrics import accuracy_score
from sklearn import neighbors

X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])
Y = np.array([0, 1, 0, 0, 0, 1])

现在，当我仅使用 k 折交叉验证而不使用评分函数时，一切都会按预期进行：

parameters = {
    'n_neighbors': [2, 3, 4],
    'weights':['uniform', 'distance'],
    'p': [1, 2, 3]
}
model = neighbors.KNeighborsClassifier()
k_fold = KFold(len(Y), n_folds=6, shuffle=True, random_state=0)
clf = GridSearchCV(model, parameters, cv=k_fold)  # TODO will change
clf.fit(X, Y)

print clf.best_score_

但是当我将线路更改为

clf = GridSearchCV(model, parameters, cv=k_fold, scoring=accuracy_score) # or accuracy_score()

我收到错误：ValueError: Cannot have number of folds n_folds=10 greater than the number of samples: 6.我认为这并不代表真正的问题。

我认为问题在于accuracy_score不遵循签名scorer(estimator, X, y)，这是在文档中写的

那么我该如何解决这个问题呢？

如果你改变它就会起作用scoring=accuracy_score to scoring='accuracy' (请参阅文档 http://scikit-learn.org/stable/modules/model_evaluation.html对于完整的记分员列表，您可以通过这种方式使用姓名。）

理论上，您应该能够像您尝试的那样传递自定义评分函数，但我的猜测是您是对的并且accuracy_score没有合适的 API。