自定义Scikit-learn分类器使用GridSearchCV报样本数不一致如何解决

错误原因 #

你自定义分类器的score方法实现错误，直接触发了样本数不匹配报错：

• GridSearchCV默认采用K折交叉验证，每次迭代会拆分训练集（404样本）和验证集（102样本）
• 你在fit方法中将训练集的离散化标签保存在了实例变量self.yt中，而score方法错误地直接用self.yt（训练集404个标签）和验证集预测结果（102个）计算准确率，样本数完全不匹配。

修复后的代码 #

只需要调整score方法逻辑，同时移除无用的self.yt缓存即可：

1. 必须使用score方法传入的验证集真实标签y，而非训练时缓存的标签
2. 对传入的y用已经拟合好的self.discr做离散化转换（不能重新fit，避免数据泄露）
3. 移除y的默认值None，保证计算准确率时必须传入真实标签

from sklearn.base import BaseEstimator, ClassifierMixin
from sklearn.linear_model import LogisticRegression
from sklearn.preprocessing import KBinsDiscretizer
from sklearn.metrics import accuracy_score

class OwnClassifier(BaseEstimator, ClassifierMixin):
    def __init__(self, estimator=None):
        if estimator is None:
            estimator = LogisticRegression(solver='liblinear')
        self.estimator = estimator
        self.discr = KBinsDiscretizer(n_bins=4, encode='ordinal')
        
    def fit(self, X, y):
        # 训练阶段对训练集标签做离散化拟合+转换
        yt = self.discr.fit_transform(y.reshape(-1, 1)).astype(int)
        self.estimator.fit(X, yt.ravel())
        return self
    
    def predict(self, X):
        return self.estimator.predict(X)
    
    def predict_proba(self, X):
        return self.estimator.predict_proba(X)
    
    def score(self, X, y):
        # 验证阶段用已经拟合好的离散器转换验证集标签，再计算准确率
        yt = self.discr.transform(y.reshape(-1, 1)).astype(int)
        y_pred = self.predict(X)
        return accuracy_score(yt.ravel(), y_pred)

内容的提问来源于stack exchange，提问作者user15568232