python - 如何在sklearn的拟合函数中选择要优化的指标？

Question

当使用tensorflow训练神经网络时，我可以任意设置损失函数。在训练 SVM 时，有没有办法在 sklearn 中做同样的事情？假设我希望我的分类器仅优化灵敏度(无论其意义如何)，我该怎么做？

Answer 1

据我所知，支持向量机不可能做到这一点。对于其他模型，您可以更改优化的损失，或更改预测概率的分类阈值。

然而，SVM 最大限度地减少了铰链损失，并且它们并不对类的概率进行建模，而是对它们的分离超平面进行建模，因此没有太多手动调整的空间。

如果您需要关注敏感性或特异性，请使用不同的模型，该模型允许直接最大化该函数，或者允许预测类概率(例如，考虑逻辑回归、基于树的方法)