D² 对数损失得分

sklearn.metrics.d2_log_loss_score(y_true, y_pred, *, sample_weight=None, labels=None)

\(D^2\) 得分函数，解释的对数损失分数。

最佳得分为 1.0，也可能为负值（因为模型可能任意地更差）。一个总是预测 y_true 的每个类别的比例的模型，忽略输入特征，其 D² 得分为 0.0。

请阅读 用户指南 中的更多信息。

1.5 版中新增。

参数：

y_true类数组或标签指示矩阵

n_samples 个样本的实际标签。

y_predshape 为 (n_samples, n_classes) 或 (n_samples,) 的类数组

预测概率，由分类器的 `predict_proba` 方法返回。如果 `y_pred.shape = (n_samples,)，则提供的概率被认为是正类的概率。假设 y_pred 中的标签按字母顺序排列，如同 LabelBinarizer 所做的那样。

sample_weight形状为 (n_samples,) 的类数组，默认值为 None

样本权重。

labels类数组，默认值为 None

如果没有提供，标签将从 y_true 推断。如果 labels 为 None 且 y_pred 的形状为 (n_samples,)，则假设标签为二元标签，并从 y_true 推断。

返回:

d2浮点数或浮点数数组

D^2 分数。

备注

这不是一个对称函数。

与 R^2 一样，D^2 分数可能为负数（它实际上不必是数量 D 的平方）。

对于单个样本，此度量没有明确定义，如果 n_samples 小于 2，则将返回 NaN 值。