“是的，AutoML可以支持自定义指标，使开发者能够根据对其应用程序具有实际意义的特定性能标准来优化模型。尽管许多AutoML平台提供内置的标准指标，如准确率、精确率、召回率和F1分数，但它们也提供了定义和实施自定义评估指标的灵活性。这在传统指标无法充分捕捉模型在特定商业问题上的成功与失败时尤为重要。
例如，考虑一个欺诈检测系统，其中漏报（未发现欺诈案例）的成本远高于误报（错误地将合法交易标记为欺诈）的成本。在这种情况下，开发者可能会选择创建一个自定义指标，强调漏报的最小化，可能通过创建一个加权评分来对这些错误进行更严重的惩罚。这种定制化的方法将指导AutoML系统更多地关注对业务真正重要的方面，而不是仅仅依赖于通用指标。
在AutoML框架中实现自定义指标时，开发者通常需要将该指标定义为一个函数，该函数以模型的预测和真实标签作为输入，然后根据定义的具体标准返回一个评分。许多AutoML平台，如Google Cloud AutoML、H2O.ai等，都允许这种轻松的定制。这一功能不仅增强了模型性能评估的相关性，还使其与商业目标紧密对齐，从而导致更符合实际应用的模型。”