Scikit-learn自定义评分函数需要数据集中除X和y外的值

Question

我正在尝试根据历史体育博彩的表现来评估一个模型。

我有一个数据集，里面包含以下几列：

feature1 | ... | featureX | oddsPlayerA | oddsPlayerB | winner

这个模型会进行回归分析，输出的是玩家A赢得比赛的赔率。

我了解到，我可以使用一个自定义评分函数，来计算如果每次满足某个条件就下注，模型会赚多少钱，并用这个值来衡量模型的好坏。这个条件大概是这样的：

if prediction_player_A_win_odds < oddsPlayerA
   money += bet_playerA(oddsPlayerA, winner) 
if inverse_odd(prediction_player_A_win_odds) < oddsPlayerB
   money += bet_playerB(oddsPlayerB, winner) 

在自定义评分函数中，我需要接收一些常规参数，比如“ground_truth, predictions”（其中，ground_truth是赢家数组，predictions是玩家A的胜利赔率数组）但还需要从数据集中获取“oddsPlayerA”和“oddsPlayerB”这两个字段（这就是问题所在！）。

如果自定义评分函数接收到的数据顺序和原始数据集完全一致，那就很简单，可以直接从数据集中获取所需的额外数据。但实际上，当使用交叉验证方法时，获取到的数据顺序是混乱的（和原始数据相比）。

我尝试了最明显的方法，就是传递y变量，包含[oddsA, oddsB, winner]（维度为[n, 3]），但scikit不允许这样做。

那么，我该如何将数据集中的数据传递到自定义评分函数中，这些数据既不是X也不是y，但仍然是“按顺序关联”的呢？

Answer 1

目前没有办法做到这一点，抱歉。你可以自己写一个循环来处理交叉验证的折叠，这应该不难。不过，你不能使用 GridSearchCV 或 cross_val_score 来实现这个。