mean_tweedie_deviance#

sklearn.metrics.mean_tweedie_deviance(y_true, y_pred, *, sample_weight=None, power=0)[原始碼]#

平均 Tweedie 偏差迴歸損失。

請參閱使用者指南以了解更多資訊。

參數:
y_true形狀為 (n_samples,) 的類陣列

真實（正確）的目標值。

y_pred形狀為 (n_samples,) 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。

power浮點數，預設值為 0

Tweedie 冪次參數。power <= 0 或 power >= 1。

p 的值越高，真實目標值和預測目標值之間極端偏差的權重就越低。

  • power < 0：極端穩定分佈。要求：y_pred > 0。

  • power = 0：常態分佈，輸出對應於 mean_squared_error。y_true 和 y_pred 可以是任何實數。

  • power = 1：Poisson 分佈。要求：y_true >= 0 和 y_pred > 0。

  • 1 < p < 2：複合 Poisson 分佈。要求：y_true >= 0 和 y_pred > 0。

  • power = 2：Gamma 分佈。要求：y_true > 0 和 y_pred > 0。

  • power = 3：反高斯分佈。要求：y_true > 0 和 y_pred > 0。

  • 其他：正穩定分佈。要求：y_true > 0 和 y_pred > 0。

回傳值:
loss浮點數

一個非負浮點數值（最佳值為 0.0）。

範例

>>> from sklearn.metrics import mean_tweedie_deviance
>>> y_true = [2, 0, 1, 4]
>>> y_pred = [0.5, 0.5, 2., 2.]
>>> mean_tweedie_deviance(y_true, y_pred, power=1)
1.4260...