我正在尝试在scikit-learn中为RidgeClassifierCV实现自定义评分功能。这涉及在初始化RidgeClassifierCV对象时将自定义评分函数作为score_func传递。我希望score_func将分类值作为y_true和y_pred的输入。然而，浮点值作为y_true和y_pred传入。y向量的大小等于类数乘以训练样例数，而不是简单地拥有一个长度等于训练样例数的y向量。我能否以某种方式强制将分类预测传递到自定义评分函数中，还是我必须处理原始权重？如果我必须直接处理原始权重，输出向量切片中最大值的索引是否等同于预测的类？ 最佳答案

我正在尝试在scikit-learn中为RidgeClassifierCV实现自定义评分功能。这涉及在初始化RidgeClassifierCV对象时将自定义评分函数作为score_func传递。我希望score_func将分类值作为y_true和y_pred的输入。然而，浮点值作为y_true和y_pred传入。y向量的大小等于类数乘以训练样例数，而不是简单地拥有一个长度等于训练样例数的y向量。我能否以某种方式强制将分类预测传递到自定义评分函数中，还是我必须处理原始权重？如果我必须直接处理原始权重，输出向量切片中最大值的索引是否等同于预测的类？ 最佳答案