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,) 真实目标值。 |
| y_pred | array-like of shape (n_samples,) 预测目标值。 |
| sample_weight | array-like of shape (n_samples,), default=None 样本权重。 |
| power | float, default=0 Tweedie功率参数。功率<= 0或功率> = 1。 p越高，表示真实目标与预测目标之间的极端偏差的权重越小。 - power < 0：极端稳定的分布。 要求：y_pred> 0。 - power = 0：正态分布，输出对应于mean_squared_error。 y_true和y_pred可以是任何实数。 - power = 1：泊松分布。 要求：y_true> = 0且y_pred> 0。 - 1 <p <2：复合泊松分布。 要求：y_true> = 0且y_pred> 0。 - power = 2：伽马分布。 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。 - 否则：正稳定分布。 要求：y_true> 0和y_pred> 0。 |
| 返回值 | 说明 |
|---|---|
| loss | float 非负浮点值（最佳值为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...
