mean_tweedie_deviance#

sklearn.metrics.mean_tweedie_deviance(y_true, y_pred, *, sample_weight=None, power=0)[源码]#

平均 Tweedie 偏差回归损失。

在用户指南中阅读更多信息。

参数:
y_true形状为 (n_samples,) 的类数组对象

真实（正确）目标值。

y_pred形状为 (n_samples,) 的类数组对象

估计目标值。

sample_weight形状为 (n_samples,) 的类数组对象, 默认为 None

样本权重。

power浮点数, 默认为 0

Tweedie 幂参数。power <= 0 或 power >= 1。

p 值越高，对真实值与预测值之间极端偏差的权重越小。

  • power < 0: 极端稳定分布。要求: y_pred > 0。

  • power = 0: 正态分布，输出对应于 mean_squared_error。y_true 和 y_pred 可以是任意实数。

  • power = 1: 泊松分布。要求: y_true >= 0 和 y_pred > 0。

  • 1 < p < 2: 复合泊松分布。要求: y_true >= 0 和 y_pred > 0。

  • power = 2: Gamma 分布。要求: y_true > 0 和 y_pred > 0。

  • power = 3: 逆高斯分布。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:
loss浮点数

一个非负浮点值（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...