mean_squared_error#

sklearn.metrics.mean_squared_error(y_true, y_pred, *, sample_weight=None, multioutput='uniform_average')[原始碼]#

均方誤差回歸損失。

請參閱使用者指南以了解更多資訊。

參數:

y_true形狀為 (n_samples,) 或 (n_samples, n_outputs) 的類陣列

真實（正確）目標值。

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

估計的目標值。

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

樣本權重。

multioutput{‘raw_values’, ‘uniform_average’} 或形狀為 (n_outputs,) 的類陣列，預設值為 ‘uniform_average’

定義多個輸出值的聚合方式。類陣列值定義用於平均誤差的權重。

‘raw_values’: 在多輸出輸入的情況下，返回完整的誤差集。
‘uniform_average’: 所有輸出的誤差均以均勻權重進行平均。

返回:

loss浮點數或浮點數陣列: 一個非負浮點數值（最佳值為 0.0），或一個浮點數值陣列，每個值對應一個單獨的目標。

範例

>>> from sklearn.metrics import mean_squared_error
>>> y_true = [3, -0.5, 2, 7]
>>> y_pred = [2.5, 0.0, 2, 8]
>>> mean_squared_error(y_true, y_pred)
0.375
>>> y_true = [[0.5, 1],[-1, 1],[7, -6]]
>>> y_pred = [[0, 2],[-1, 2],[8, -5]]
>>> mean_squared_error(y_true, y_pred)
0.708...
>>> mean_squared_error(y_true, y_pred, multioutput='raw_values')
array([0.41666667, 1.        ])
>>> mean_squared_error(y_true, y_pred, multioutput=[0.3, 0.7])
0.825...