中位数绝对误差#

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。

平均绝对误差输出为非负浮点数。最佳值为 0.0。更多信息请参见用户指南。

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

真实 (正确) 目标值。

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

估计的目标值。

multioutput{'raw_values', 'uniform_average'} 或形状为 (n_outputs,) 的类数组，默认为 'uniform_average'

定义多个输出值的聚合方式。类数组值定义用于平均误差的权重。

‘raw_values’

对于多输出输入，返回完整的误差集。

‘uniform_average’

所有输出的误差都以统一权重平均。

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

样本权重。

在 0.24 版本中添加。

返回:
loss浮点数或浮点数 ndarray

如果 multioutput 为 'raw_values'，则分别为每个输出返回平均绝对误差。如果 multioutput 为 'uniform_average' 或权重 ndarray，则返回所有输出误差的加权平均值。

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)
np.float64(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)
np.float64(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])
np.float64(0.85)