我的数据集有高度不平衡的类——前景有 30 个类，有几十个样本，背景集超过 10 万个样本。将前景类分类为背景是可以的，而将背景分类为前景应该受到惩罚。

我正在使用 Scikit-learn 的 RandomForests，并且我也在试验 SVM 和 OneVsRest 分类器。我想指定用于fit()模型方法的评分指标，因此它将与我的目标相对应（我想像进化算法的适应度函数）。但是，API不允许这样的事情。

到目前为止，我尝试过：

• 使用class_weight模型参数。如果我将其设置为代表真实世界，那么分类器将学习将所有内容分类为准确度 > 99 % 的背景。如果我设置class_weight = 'balanced'，那么它似乎更好，但它的误报率很高。
• 使用打分方法，GridSearchCV它输出我指定的值（即使是 F1-score 比简单的准确度更有意义），但它仅用于参数选择，最终模型是通过fit()方法学习的，这再次忽略了我的评分。

有没有办法为该fit()方法提供我自己的自定义评分功能？