Поиск в гиперпараметрической таблице с помощью XGBoost - функция оценки по сравнению с оценочной метрикой

Превращая мой комментарий в ответ, нет никакого обхода, и все по-прежнему работает, но это просто не имеет смысла. Каждый алгоритм максимизирует показатель, о котором вы говорите, поэтому в вашем примере xgboost построит деревья, чтобы максимизировать auc, а поиск по сетке найдет гиперпараметры, которые максимизируют точность. И это явно не имеет смысла.

Таким образом, вы должны установить обе метрики на одно и то же, будь то AUC, отзыв или что вы считаете подходящим для вашей проблемы; для несбалансированных наборов данных AUC - хороший выбор, или вы можете выбрать F-оценку, которая более сбалансирована в отношении отзыва.