d2_log_loss_score

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

\(D^2\) 分數函數，解釋的對數損失比例。

最佳可能分數為 1.0，並且可能為負數（因為模型可能任意更差）。一個總是預測 y_true 的每類別比例，而忽略輸入特徵的模型，其 D^2 分數為 0.0。

在使用者指南中閱讀更多資訊。

版本 1.5 新增。

參數:

y_true類陣列或標籤指示矩陣

n_samples 個樣本的實際標籤。

y_pred形狀為 (n_samples, n_classes) 或 (n_samples,) 的類陣列

預測機率，由分類器的 predict_proba 方法返回。如果 y_pred.shape = (n_samples,)，則提供的機率被視為正類別的機率。y_pred 中的標籤被假設為按照字母順序排列，如同 LabelBinarizer 的做法一樣。

sample_weight形狀為 (n_samples,) 的類陣列，預設為 None

樣本權重。

labels類陣列，預設為 None

如果未提供，則會從 y_true 推斷標籤。如果 labels 為 None 且 y_pred 的形狀為 (n_samples,)，則會假設標籤為二元的，並從 y_true 推斷。

返回:

d2浮點數或浮點數的 ndarray

D^2 分數。

注意事項

這不是一個對稱函數。

如同 R^2 一樣，D^2 分數可能為負數（它實際上不一定是某個量 D 的平方）。

對於單個樣本，此指標的定義不完整，如果 n_samples 小於 2，將返回 NaN 值。