GridSearchCV使用多评分参数报错ValueError，请求技术协助

嘿，我太懂你碰到的这个坑了——明明照着官方文档用列表设置多个评分参数，结果却弹出ValueError: scoring value should either be a callable, string or None的错误，其实问题出在两个关键地方：sklearn版本兼容和遗漏了refit参数。

为啥会报错？ #

在scikit-learn 0.23版本之前，GridSearchCV的scoring参数只认单个值——字符串、可调用函数或者None，根本不支持列表/字典形式的多评分设置。如果你用的是旧版本，自然会触发这个错误。

另外，就算你的sklearn版本够新，支持多评分了，也必须加refit参数！因为当你同时用多个指标评估模型时，GridSearch需要明确知道基于哪个指标来挑选最佳模型，不然它会懵圈，照样报错。

一步一步解决 #

1. 先升级你的scikit-learn
   打开终端或者命令行，执行这条命令把版本升到0.23及以上：

   pip install --upgrade scikit-learn
   

2. 给GridSearchCV加上refit参数
   比如你想用accuracy来选最优模型，代码改成这样：

   scoring = ['accuracy', 'precision']
   # 关键：refit指定用accuracy作为最佳模型的选择依据
   gs = GridSearchCV(pipe, params, cv=5, scoring=scoring, refit='accuracy')
   gs.fit(text, goal)
   

   要是你想用自定义逻辑选模型，refit也可以传一个可调用函数，但大部分场景下直接指定指标名称就够了。

3. 用字典设置评分（可选，更清晰）
   如果你想给每个评分指标起个好记的别名，用字典形式设置scoring也很方便，后续看结果的时候一目了然：

   scoring = {'分类准确率': 'accuracy', '精确率': 'precision'}
   gs = GridSearchCV(pipe, params, cv=5, scoring=scoring, refit='分类准确率')
   gs.fit(text, goal)
   

验证一下 #

改完代码运行后，你可以用gs.cv_results_查看所有指标的交叉验证结果，用gs.best_estimator_拿到基于refit指标选出的最佳模型，完美解决问题～

内容的提问来源于stack exchange，提问作者dajasj