sklearn.metrics

評分函數、效能指標、成對指標和距離計算。

使用者指南。 請參閱 指標和評分：量化預測品質 和 成對指標、親和性和核函數 章節以了解更多詳情。

模型選擇介面

使用者指南。 請參閱 評分參數：定義模型評估規則 章節以了解更多詳情。

check_scoring	從使用者選項確定評分器。
get_scorer	從字串取得評分器。
get_scorer_names	取得所有可用評分器的名稱。
make_scorer	從效能指標或損失函數建立評分器。

分類指標

使用者指南。 請參閱 分類指標 章節以了解更多詳情。

accuracy_score	準確率分類分數。
auc	使用梯形法則計算曲線下面積 (AUC)。
average_precision_score	從預測分數計算平均精確度 (AP)。
balanced_accuracy_score	計算平衡準確度。
brier_score_loss	計算布里爾分數損失。
class_likelihood_ratios	計算二元分類的正負可能性比。
classification_report	建立顯示主要分類指標的文字報告。
cohen_kappa_score	計算柯恩卡帕係數：一種衡量註釋者之間一致性的統計量。
confusion_matrix	計算混淆矩陣以評估分類的準確性。
d2_log_loss_score	\(D^2\) 分數函數，已解釋的對數損失分數。
dcg_score	計算折算累積收益 (Discounted Cumulative Gain)。
det_curve	計算不同機率閾值的錯誤率。
f1_score	計算 F1 分數，也稱為平衡 F 分數或 F 測量。
fbeta_score	計算 F-beta 分數。
hamming_loss	計算平均漢明損失。
hinge_loss	平均鉸鏈損失 (非正規化)。
jaccard_score	傑卡德相似係數分數。
log_loss	對數損失，又名邏輯損失或交叉熵損失。
matthews_corrcoef	計算馬修斯相關係數 (MCC)。
multilabel_confusion_matrix	為每個類別或樣本計算混淆矩陣。
ndcg_score	計算正規化折算累積收益 (Normalized Discounted Cumulative Gain)。
precision_recall_curve	計算不同機率閾值的精確度-召回率配對。
precision_recall_fscore_support	計算每個類別的精確度、召回率、F 測量和支持度。
precision_score	計算精確度。
recall_score	計算召回率。
roc_auc_score	從預測分數計算接收者操作特徵曲線下面積 (ROC AUC)。
roc_curve	計算接收者操作特徵 (ROC)。
top_k_accuracy_score	前 k 名準確度分類分數。
zero_one_loss	零一分類損失。

迴歸指標

使用者指南。 請參閱 迴歸指標 章節以了解更多詳情。

d2_absolute_error_score	\(D^2\) 迴歸分數函數，已解釋的絕對誤差分數。
d2_pinball_score	\(D^2\) 迴歸分數函數，已解釋的釘球損失分數。
d2_tweedie_score	\(D^2\) 迴歸分數函數，已解釋的 Tweedie 偏差分數。
explained_variance_score	已解釋變異迴歸分數函數。
max_error	max_error 指標計算最大殘差誤差。
mean_absolute_error	平均絕對誤差迴歸損失。
mean_absolute_percentage_error	平均絕對百分比誤差 (MAPE) 迴歸損失。
mean_gamma_deviance	平均伽瑪偏差迴歸損失。
mean_pinball_loss	分位數迴歸的釘球損失。
mean_poisson_deviance	平均泊松偏差迴歸損失。
mean_squared_error	均方誤差迴歸損失。
mean_squared_log_error	均方對數誤差迴歸損失。
mean_tweedie_deviance	平均 Tweedie 偏差迴歸損失。
median_absolute_error	中位數絕對誤差迴歸損失。
r2_score	\(R^2\) (決定係數) 迴歸分數函數。
root_mean_squared_error	均方根誤差迴歸損失。
root_mean_squared_log_error	均方根對數誤差迴歸損失。

多標籤排序指標

使用者指南。 請參閱 多標籤排序指標 章節以了解更多詳情。

coverage_error	覆蓋率誤差測量。
label_ranking_average_precision_score	計算基於排序的平均精確度。
label_ranking_loss	計算排序損失測量。

分群指標

分群分析結果的評估指標。

• 監督式評估為每個樣本使用基本事實類別值。

• 非監督式評估不使用基本事實，而是衡量模型本身的「品質」。

使用者指南。 請參閱 分群效能評估 章節以了解更多詳情。

adjusted_mutual_info_score	兩個分群之間的調整互資訊 (Adjusted Mutual Information)。
adjusted_rand_score	針對機會調整的蘭德指數 (Rand index)。
calinski_harabasz_score	計算 Calinski 和 Harabasz 分數。
cluster.contingency_matrix	建立描述標籤之間關係的列聯表。
cluster.pair_confusion_matrix	兩個分群產生的配對混淆矩陣。
completeness_score	計算給定基本事實的分群標籤的完整性指標。
davies_bouldin_score	計算戴維斯-博爾丁分數。
fowlkes_mallows_score	衡量一組點的兩個分群的相似性。
homogeneity_completeness_v_measure	一次計算同質性、完整性和 V 測量分數。
homogeneity_score	給定基本事實的分群標籤的同質性指標。
mutual_info_score	兩個分群之間的互資訊 (Mutual Information)。
normalized_mutual_info_score	兩個分群之間的正規化互資訊 (Normalized Mutual Information)。
rand_score	蘭德指數。
silhouette_samples	計算每個樣本的輪廓係數 (Silhouette Coefficient)。
silhouette_score	計算所有樣本的平均輪廓係數。
v_measure_score	給定基本事實的 V 測量分群標籤。

雙分群指標

使用者指南。 請參閱 雙分群評估 章節以了解更多詳情。

consensus_score

兩組雙分群的相似性。

距離指標

DistanceMetric

快速距離指標函數的統一介面。

成對指標

用於樣本集合的成對距離和親和力的指標。

使用者指南。 請參閱 成對指標、親和性和核函數 章節以了解更多詳情。

pairwise.additive_chi2_kernel	計算 X 和 Y 中觀察值之間的附加卡方核函數。
pairwise.chi2_kernel	計算 X 和 Y 之間的指數卡方核函數。
pairwise.cosine_distances	計算 X 和 Y 中樣本之間的餘弦距離。
pairwise.cosine_similarity	計算 X 和 Y 中樣本之間的餘弦相似度。
pairwise.distance_metrics	pairwise_distances 的有效度量。
pairwise.euclidean_distances	計算向量陣列 X 和 Y 中每對向量之間的距離矩陣。
pairwise.haversine_distances	計算 X 和 Y 中樣本之間的半正矢距離。
pairwise.kernel_metrics	pairwise_kernels 的有效度量。
pairwise.laplacian_kernel	計算 X 和 Y 之間的拉普拉斯核函數。
pairwise.linear_kernel	計算 X 和 Y 之間的線性核函數。
pairwise.manhattan_distances	計算 X 和 Y 中向量之間的 L1 距離。
pairwise.nan_euclidean_distances	在存在缺失值的情況下計算歐氏距離。
pairwise.paired_cosine_distances	計算 X 和 Y 之間的成對餘弦距離。
pairwise.paired_distances	計算 X 和 Y 之間的成對距離。
pairwise.paired_euclidean_distances	計算 X 和 Y 之間的成對歐氏距離。
pairwise.paired_manhattan_distances	計算 X 和 Y 之間的成對 L1 距離。
pairwise.pairwise_kernels	計算陣列 X 和可選陣列 Y 之間的核函數。
pairwise.polynomial_kernel	計算 X 和 Y 之間的多項式核函數。
pairwise.rbf_kernel	計算 X 和 Y 之間的 RBF（高斯）核函數。
pairwise.sigmoid_kernel	計算 X 和 Y 之間的 sigmoid 核函數。
pairwise_distances	計算向量陣列 X 和可選陣列 Y 的距離矩陣。
pairwise_distances_argmin	計算一點與一組點之間的最小距離。
pairwise_distances_argmin_min	計算一點與一組點之間的最小距離。
pairwise_distances_chunked	使用可選的縮減，逐塊生成距離矩陣。

繪圖

使用者指南。 請參閱視覺化章節以獲取更多詳細資訊。

ConfusionMatrixDisplay	混淆矩陣視覺化。
DetCurveDisplay	DET 曲線視覺化。
PrecisionRecallDisplay	精確度-召回率視覺化。
PredictionErrorDisplay	迴歸模型預測誤差的視覺化。
RocCurveDisplay	ROC 曲線視覺化。