中位數絕對誤差#

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

中位數絕對誤差迴歸損失。

中位數絕對誤差的輸出為非負浮點數。最佳值為 0.0。更多資訊請參閱使用者指南。

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。

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，返回完整的誤差集合。

‘uniform_average’

所有輸出的誤差都以均勻權重進行平均。

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

樣本權重。

在 0.24 版本中新增。

返回:
loss浮點數或浮點數的 ndarray

如果 multioutput 為 ‘raw_values’，則會分別返回每個輸出的平均絕對誤差。如果 multioutput 為 ‘uniform_average’ 或權重的 ndarray，則會返回所有輸出誤差的加權平均值。

範例

>>> 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)