sklearn.metrics.mean_absolute_error¶
sklearn.metrics.mean_absolute_error(y_true, y_pred, *, sample_weight=None, multioutput='uniform_average')
平均绝对误差回归损失
在用户指南中阅读更多内容。
| 参数 | 说明 |
|---|---|
| y_true | array-like of shape (n_samples,) or (n_samples, n_outputs) 真实目标值。 |
| y_pred | array-like of shape (n_samples,) or (n_samples, n_outputs) 预测目标值。 |
| sample_weight | array-like of shape (n_samples,), optional 样本权重。 |
| multioutput | string in [‘raw_values’, ‘uniform_average’] or array-like of shape (n_outputs) 定义多个输出值的汇总。类似数组的值定义了用于平均误差的权重。 - ‘raw_values’： 如果是多输出格式的输入，则返回完整的错误集。 - ‘uniform_average’： 所有输出的误差均以相同的权重平均。 |
| 返回值 | 说明 |
|---|---|
| loss | float or ndarray of floats 如果多输出为‘raw_values’，则分别为每个输出返回均值绝对错误。如果多输出是‘uniform_average’或权重的ndarray，则将返回所有输出错误的加权平均值。 MAE输出为非负浮点。最佳值为0.0。 |
示例
>>> from sklearn.metrics import mean_absolute_error
>>> y_true = [3, -0.5, 2, 7]
>>> y_pred = [2.5, 0.0, 2, 8]
>>> mean_absolute_error(y_true, y_pred)
0.5
>>> y_true = [[0.5, 1], [-1, 1], [7, -6]]
>>> y_pred = [[0, 2], [-1, 2], [8, -5]]
>>> mean_absolute_error(y_true, y_pred)
0.75
>>> mean_absolute_error(y_true, y_pred, multioutput='raw_values')
array([0.5, 1. ])
>>> mean_absolute_error(y_true, y_pred, multioutput=[0.3, 0.7])
0.85...
