如何在无监督学习的GridSearchCV中使用自定义评分函数

问题背景 #

想用GridSearchCV调优DBSCAN这类无监督聚类模型的超参数，自定义轮廓系数作为评分指标，但遇到两个报错：

• TypeError: my_custom_function() takes 2 positional arguments but 3 were given
• AttributeError: 'DBSCAN' object has no attribute 'predict'

错误原因与修复方法 #

1. TypeError 修复
   GridSearchCV会给评分函数传递3个参数：模型实例、特征数据X、标签y（无监督场景下y为None），哪怕你用不上y，自定义函数也必须把它作为参数声明。

2. AttributeError 修复
   DBSCAN属于无监督密度聚类算法，没有predict方法，要获取聚类标签，得先让模型拟合当前数据，再通过labels_属性提取结果。

完整可运行代码 #

from sklearn.datasets import make_blobs
from sklearn.model_selection import GridSearchCV
from sklearn.cluster import DBSCAN
from sklearn.metrics import silhouette_score, make_scorer

# 自定义轮廓系数评分函数
def silhouette_scorer(estimator, X, y=None):
    # 拟合数据获取聚类标签
    estimator.fit(X)
    labels = estimator.labels_
    # 处理全噪声的极端情况，避免silhouette_score报错
    unique_labels = set(labels)
    if len(unique_labels) == 1 and -1 in unique_labels:
        return -1.0
    return silhouette_score(X, labels)

# 用make_scorer包装自定义函数，明确评分越高越好
custom_scorer = make_scorer(silhouette_scorer, greater_is_better=True)

# 生成测试数据集
X, _ = make_blobs(n_samples=500, centers=3, random_state=42)

# 初始化模型与待调参网格
dbscan = DBSCAN()
param_grid = {'eps': [0.1*i for i in range(1,6)], 'min_samples': [2,3,4]}

# 初始化网格搜索，传入自定义评分器
grid_search = GridSearchCV(estimator=dbscan, param_grid=param_grid, scoring=custom_scorer, cv=3)
grid_search.fit(X)

# 输出最优结果
print("最优参数组合:", grid_search.best_params_)
print("最优轮廓系数得分:", grid_search.best_score_)

关键细节说明 #

• 用make_scorer包装是scikit-learn的标准操作，通过greater_is_better=True告诉网格搜索：轮廓系数越高，模型效果越好。
• 增加了全噪声场景的判断：如果所有样本都被标记为噪声（labels全是-1），直接返回最低分-1.0，避免silhouette_score因聚类数量为1抛出异常。
• GridSearchCV会自动完成交叉验证的数据集拆分，无需手动处理。

内容的提问来源于stack exchange，提问作者cottontail