为何GridSearchCV用accuracy_score报错，scoring='accuracy'却正常？

问题场景 #

以下代码在VS Code的Jupyter笔记本中可正常运行：

from sklearn.datasets import load_iris
from sklearn.neighbors import KNeighborsClassifier
from sklearn.metrics import accuracy_score
from sklearn.model_selection import GridSearchCV

X, y = load_iris(return_X_y=True, as_frame=True)

gs = GridSearchCV(estimator=KNeighborsClassifier(),
                  param_grid=[{'n_neighbors': [3]}],
                  scoring='accuracy')
#                  scoring=accuracy_score)

gs.fit(X, y)

但取消注释scoring=accuracy_score并注释scoring='accuracy'后，会触发TypeError: too many positional arguments错误，同时伴随评分失败、测试分数为nan的警告。

错误原因 #

GridSearchCV的scoring参数对传入的对象有明确要求：

• 当传入字符串（如'accuracy'）时，sklearn会自动将其映射为适配GridSearchCV的评分器对象，这类评分器的调用签名是scorer(estimator, X, y)，能接收模型实例、测试数据、真实标签三个参数，内部会自动用模型预测X的结果，再和y计算评分。
• 而直接传入accuracy_score函数的话，它的原生签名是accuracy_score(y_true, y_pred, ...)，只需要真实标签和预测标签两个核心参数，无法处理GridSearchCV传入的额外的estimator和X参数，因此会触发“参数过多”的类型错误。

解决方法 #

有两种可行的解决方式：

1. 使用make_scorer包装accuracy_score，将其转换为符合GridSearchCV要求的评分器：

from sklearn.metrics import make_scorer, accuracy_score
gs = GridSearchCV(estimator=KNeighborsClassifier(),
                  param_grid=[{'n_neighbors': [3]}],
                  scoring=make_scorer(accuracy_score))

2. 继续使用字符串'accuracy'，这是sklearn内置的标准化评分标识，无需额外包装，最简便。

内容的提问来源于stack exchange，提问作者Evan Aad