sklearn.metrics.mean_squared_log_error?
sklearn.metrics.mean_squared_log_error(y_true, y_pred, *, sample_weight=None, multioutput='uniform_average')
均方對數誤差回歸損失
在用戶指南中閱讀更多內容。
| 參數 | 說明 |
|---|---|
| y_true | array-like of shape (n_samples,) or (n_samples, n_outputs) 真實目標值。 |
| y_pred | array-like of shape (n_samples,) or (n_samples, n_outputs) 預測目標值。 |
| sample_weight | array-like of shape (n_samples,), optional 樣本權重。 |
| multioutput | string in [‘raw_values’, ‘uniform_average’] or array-like of shape (n_outputs) 定義多個輸出值的匯總。類似數組的值定義了用于平均誤差的權重。 - ‘raw_values’： 如果是多輸出格式的輸入，則返回完整的錯誤集。 - ‘uniform_average’： 所有輸出的誤差均以相同的權重平均。 |
| 返回值 | 說明 |
|---|---|
| loss | float or ndarray of floats 非負浮點值（最佳值為0.0）或浮點值數組，每個目標對應一個浮點值。 |
示例
>>> from sklearn.metrics import mean_squared_log_error
>>> y_true = [3, 5, 2.5, 7]
>>> y_pred = [2.5, 5, 4, 8]
>>> mean_squared_log_error(y_true, y_pred)
0.039...
>>> y_true = [[0.5, 1], [1, 2], [7, 6]]
>>> y_pred = [[0.5, 2], [1, 2.5], [8, 8]]
>>> mean_squared_log_error(y_true, y_pred)
0.044...
>>> mean_squared_log_error(y_true, y_pred, multioutput='raw_values')
array([0.00462428, 0.08377444])
>>> mean_squared_log_error(y_true, y_pred, multioutput=[0.3, 0.7])
0.060...