d2_log_loss_score

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

\(D^2\) 分数函数，log loss 解释的比例。

最佳可能得分是 1.0，它也可以是负数（因为模型可能任意地差）。一个总是预测 y_true 中每类比例，而忽略输入特征的模型，其 D^2 得分为 0.0。

在用户指南中阅读更多内容。

1.5 版本新增。

参数:

y_truearray-like or label indicator matrix

n_samples 样本的真实标签。

y_predarray-like of shape (n_samples, n_classes) or (n_samples,)

预测的概率，由分类器的 predict_proba 方法返回。如果 y_pred.shape = (n_samples,)，则提供的概率被假定为正类的概率。假定 y_pred 中的标签按字母顺序排列，如 LabelBinarizer 所做。

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

样本权重。

labels类似数组对象, default=None

如果没有提供，标签将从 y_true 中推断。如果 labels 是 None 且 y_pred 的形状为 (n_samples,)，则假定标签是二元的，并从 y_true 中推断。

返回:

d2float or ndarray of floats

D^2 分数。

注意事项

这不是一个对称函数。

与 R^2 一样，D^2 得分可能为负数（它实际上不一定是数量 D 的平方）。

此指标对于单个样本没有明确定义，如果 n_samples 小于两个，将返回一个 NaN 值。