sklearn.metrics.mean_tweedie_deviance?
sklearn.metrics.mean_tweedie_deviance(y_true, y_pred, *, sample_weight=None, power=0)
平均Tweedie偏差回歸損失。
在用戶指南中閱讀更多內容。
| 參數 | 說明 |
|---|---|
| y_true | array-like of shape (n_samples,) 真實目標值。 |
| y_pred | array-like of shape (n_samples,) 預測目標值。 |
| sample_weight | array-like of shape (n_samples,), default=None 樣本權重。 |
| power | float, default=0 Tweedie功率參數。功率<= 0或功率> = 1。 p越高，表示真實目標與預測目標之間的極端偏差的權重越小。 - power < 0：極端穩定的分布。 要求：y_pred> 0。 - power = 0：正態分布，輸出對應于mean_squared_error。 y_true和y_pred可以是任何實數。 - power = 1：泊松分布。 要求：y_true> = 0且y_pred> 0。 - 1 <p <2：復合泊松分布。 要求：y_true> = 0且y_pred> 0。 - power = 2：伽馬分布。 要求：y_true> 0和y_pred> 0。 - power = 3：高斯逆分布。 要求：y_true> 0和y_pred> 0。 - 否則：正穩定分布。 要求：y_true> 0和y_pred> 0。 |
| 返回值 | 說明 |
|---|---|
| loss | float 非負浮點值（最佳值為0.0）。 |
示例
>>> from sklearn.metrics import mean_tweedie_deviance
>>> y_true = [2, 0, 1, 4]
>>> y_pred = [0.5, 0.5, 2., 2.]
>>> mean_tweedie_deviance(y_true, y_pred, power=1)
1.4260...
