本文簡要介紹python語言中 sklearn.metrics.hinge_loss
的用法。
用法:
sklearn.metrics.hinge_loss(y_true, pred_decision, *, labels=None, sample_weight=None)
平均鉸鏈損失(非正則化)。
在二進製類情況下,假設 y_true 中的標簽用 +1 和 -1 編碼,當預測錯誤時,
margin = y_true * pred_decision
始終為負數(因為符號不一致),意味著1 - margin
始終大於 1。因此,鉸鏈損失是分類器所犯錯誤數量的上限。在多類情況下,該函數期望所有標簽都包含在 y_true 中,或者提供包含所有標簽的可選標簽參數。多標簽邊距根據Crammer-Singer的方法計算。與二元情況一樣,累積鉸鏈損失是分類器所犯錯誤數量的上限。
在用戶指南中閱讀更多信息。
- y_true:形狀數組 (n_samples,)
真正的目標,由兩個值的整數組成。正標簽必須大於負標簽。
- pred_decision:形狀數組 (n_samples,) 或 (n_samples, n_classes)
預測的決策,由decision_function(浮點數)輸出。
- labels:類似數組,默認=無
包含問題的所有標簽。用於多類鉸鏈損失。
- sample_weight:形狀類似數組 (n_samples,),默認=None
樣本權重。
- loss:浮點數
參數:
返回:
參考:
- 1
- 2
科比·克拉默,約拉姆·辛格。關於基於多類核的向量機的算法實現。機器學習研究雜誌 2,(2001),265-292。
- 3
例子:
>>> from sklearn import svm >>> from sklearn.metrics import hinge_loss >>> X = [[0], [1]] >>> y = [-1, 1] >>> est = svm.LinearSVC(random_state=0) >>> est.fit(X, y) LinearSVC(random_state=0) >>> pred_decision = est.decision_function([[-2], [3], [0.5]]) >>> pred_decision array([-2.18..., 2.36..., 0.09...]) >>> hinge_loss([-1, 1, 1], pred_decision) 0.30...
在多類情況下:
>>> import numpy as np >>> X = np.array([[0], [1], [2], [3]]) >>> Y = np.array([0, 1, 2, 3]) >>> labels = np.array([0, 1, 2, 3]) >>> est = svm.LinearSVC() >>> est.fit(X, Y) LinearSVC() >>> pred_decision = est.decision_function([[-1], [2], [3]]) >>> y_true = [0, 2, 3] >>> hinge_loss(y_true, pred_decision, labels=labels) 0.56...
相關用法
- Python sklearn homogeneity_score用法及代碼示例
- Python sklearn hamming_loss用法及代碼示例
- Python sklearn has_fit_parameter用法及代碼示例
- Python sklearn haversine_distances用法及代碼示例
- Python sklearn jaccard_score用法及代碼示例
- Python sklearn WhiteKernel用法及代碼示例
- Python sklearn CalibrationDisplay.from_predictions用法及代碼示例
- Python sklearn VotingRegressor用法及代碼示例
- Python sklearn gen_batches用法及代碼示例
- Python sklearn ExpSineSquared用法及代碼示例
- Python sklearn MDS用法及代碼示例
- Python sklearn adjusted_rand_score用法及代碼示例
- Python sklearn MLPClassifier用法及代碼示例
- Python sklearn train_test_split用法及代碼示例
- Python sklearn RandomTreesEmbedding用法及代碼示例
- Python sklearn GradientBoostingRegressor用法及代碼示例
- Python sklearn GridSearchCV用法及代碼示例
- Python sklearn log_loss用法及代碼示例
- Python sklearn r2_score用法及代碼示例
- Python sklearn ndcg_score用法及代碼示例
- Python sklearn ShrunkCovariance用法及代碼示例
- Python sklearn SelfTrainingClassifier用法及代碼示例
- Python sklearn load_svmlight_file用法及代碼示例
- Python sklearn make_pipeline用法及代碼示例
- Python sklearn MultiTaskLasso用法及代碼示例
注:本文由純淨天空篩選整理自scikit-learn.org大神的英文原創作品 sklearn.metrics.hinge_loss。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。