Python sklearn mean_tweedie_deviance用法及代碼示例

本文簡要介紹python語言中 sklearn.metrics.mean_tweedie_deviance 的用法。

用法:

sklearn.metrics.mean_tweedie_deviance(y_true, y_pred, *, sample_weight=None, power=0)

平均 Tweedie 偏差回歸損失。

在用戶指南中閱讀更多信息。

參數：

y_true：形狀類似數組 (n_samples,)

基本事實(正確)目標值。

y_pred：形狀類似數組 (n_samples,)

估計的目標值。

sample_weight：形狀類似數組 (n_samples,)，默認=None

樣本權重。

power：浮點數，默認=0

Tweedie 功率參數。冪 <= 0 或冪 >= 1。

p 越高，對真實目標和預測目標之間的極端偏差的權重就越小。

• power < 0：極其穩定的分布。要求：y_pred > 0。
• power = 0：正態分布，輸出對應mean_squared_error。 y_true 和 y_pred 可以是任何實數。
• 冪 = 1：泊鬆分布。要求：y_true >= 0 和 y_pred > 0。
• 1 < p < 2：複合泊鬆分布。要求：y_true >= 0 和 y_pred > 0。
• 冪 = 2：伽馬分布。要求：y_true > 0 和 y_pred > 0。
• 冪 = 3：逆高斯分布。要求：y_true > 0 和 y_pred > 0。
• 否則：正穩定分布。要求：y_true > 0 和 y_pred > 0。

返回：

loss：浮點數

非負浮點值(最佳值為 0.0)。

例子：

>>> 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...