你应该能够做到这一点，但没有make_scorer.

用于 sklearn 中的超参数搜索的“评分对象”（由 产生的那些make_scorer）具有签名(estimator, X, y)。make_scorer与具有签名的指标/分数/损失进行比较，例如用作 的输入的那些(y_true, y_pred)。

所以解决方案就是直接定义自己的“评分对象”，并引用传递X来做你想要的计算。有关更多详细信息，请参阅用户指南。

一种选择是创建一个自定义评分函数，按天计算损失和分组。

这是一个粗略的开始：

import numpy as np
from sklearn.metrics         import make_scorer
from sklearn.model_selection import GridSearchCV

def custom_loss_function(model, X, y):
    y_pred = clf.predict(X)
    y_true = y
    difference = y_pred-y_true
    group_timestamp = X[0] # Timestamp column
    score_by_day = np.array([difference[group_timestamp==i].sum() for i in np.unique(group_timestamp)]) # Groupby
    score_overall = np.mean(score_by_day)
    return score_overall

custom_scorer = make_scorer(custom_loss_function, greater_is_better=True)

GridSearchCV(model, 
            param_grid=param_grid,
            scoring=custom_scorer)