median_absolute_error#

sklearn.metrics.median_absolute_error(y_true, y_pred, *, multioutput='uniform_average', sample_weight=None)[source]#

中位数绝对误差回归损失。

中位数绝对误差输出是非负浮点数。最佳值为 0.0。在用户指南中阅读更多内容。

参数:
y_true形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组对象

真实（正确）的目标值。

y_pred形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组对象

估计的目标值。

multioutput{‘raw_values’, ‘uniform_average’} 或形状为 (n_outputs,) 的类数组对象, default=’uniform_average’

定义了多输出值聚合的方式。类数组值定义了用于平均误差的权重。

‘raw_values’

在多输出输入情况下返回完整的误差集。

‘uniform_average’

所有输出的误差以统一权重进行平均。

sample_weightshape 为 (n_samples,) 的 array-like, default=None

样本权重。

0.24 版本新增。

返回:
lossfloat or ndarray of floats

If multioutput is ‘raw_values’, then mean absolute error is returned for each output separately. If multioutput is ‘uniform_average’ or an ndarray of weights, then the weighted average of all output errors is returned.

示例

>>> from sklearn.metrics import median_absolute_error
>>> y_true = [3, -0.5, 2, 7]
>>> y_pred = [2.5, 0.0, 2, 8]
>>> median_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]]
>>> median_absolute_error(y_true, y_pred)
0.75
>>> median_absolute_error(y_true, y_pred, multioutput='raw_values')
array([0.5, 1. ])
>>> median_absolute_error(y_true, y_pred, multioutput=[0.3, 0.7])
0.85