我想像下面这样在 sklearn 中进行交叉验证，但是仍然需要对 X 的预测结果进行转换以减少与 y 的距离。如何通过添加自定义功能来做到这一点？

model = XGBRegressor(n_estimator = 500,
                     learn_rate = 0.05,
                     random_state = 0)

pipeline = Pipeline( steps = [('preprocessor', preprocessor),
                            ('model', model)
                            ])

scores = -1 * cross_val_score(pipeline, X, y,
                            cv = 3,
                            scoring = 'neg_mean_absolute_error',
                            verbose = 0)

y 中只有 0 和 1，所以我想在 X 的预测步骤之后对 X 的结果进行四舍五入并去掉小数。

将来我可能需要对 y 进行其他操作。例如，拟合正确的结果只包括像 0.5、1.5、2.5 ...

例子：

X - 输入

ID Column_1 Column_2 Column_3
0    'A'       10     True
1    'A'       20     False
2    'B'       30     True

y - 正确的结果

ID Result
0  1
1  0
2  1

当前输出

ID Result
0   0.899
1  -0.001
2   1.102

预期输出

ID Result
0    1
1    0
2    1

我已经在 Stack Overflow 上发布了这个问题，但也没有得到任何答案。