sklearn.metrics

评分函数、性能指标、成对指标和距离计算。

User guide. 看到 预设和评分：量化预测的质量 和 成对指标、亲和力和核心 部分了解更多详细信息。

选型界面

User guide. 看到 的 scoring 参数：定义模型评估规则 部分了解更多详细信息。

check_scoring	根据用户选项确定评分者。
get_scorer	从字符串中获取得分手。
get_scorer_names	获取所有可用得分者的姓名。
make_scorer	根据性能指标或损失函数制作评分器。

分类度量

User guide. 看到 分类度量 部分了解更多详细信息。

accuracy_score	准确性分类评分。
auc	使用梯形规则计算曲线下面积（UC）。
average_precision_score	根据预测分数计算平均精度（AP）。
balanced_accuracy_score	计算平衡准确度。
brier_score_loss	计算Brier得分损失。
class_likelihood_ratios	计算二元分类正可能比和负可能比。
classification_report	构建显示主要分类指标的文本报告。
cohen_kappa_score	计算Cohen的kappa：衡量注释者之间一致性的统计数据。
confusion_matrix	计算混淆矩阵以评估分类的准确性。
d2_log_loss_score	\(D^2\) 评分函数，对数损失的分数解释。
dcg_score	计算贴现累积收益。
det_curve	计算不同概率阈值的错误率。
f1_score	计算F1评分，也称为平衡F评分或F测量。
fbeta_score	计算F-beta评分。
hamming_loss	计算平均海明损失。
hinge_loss	平均铰链损失（非正规化）。
jaccard_score	贾卡德相似性系数得分。
log_loss	日志损失，又名物流损失或交叉熵损失。
matthews_corrcoef	计算马修斯相关系数（MCC）。
multilabel_confusion_matrix	为每个类别或样本计算混淆矩阵。
ndcg_score	计算归一化贴现累积增益。
precision_recall_curve	Compute precision-recall pairs for different probability thresholds.
precision_recall_fscore_support	计算每个类的精确度、召回率、F-测度和支持度。
precision_score	计算精度。
recall_score	计算召回。
roc_auc_score	计算受试者工作特征曲线下面积（ROC AUC） 来自预测分数。
roc_curve	计算受试者工作特征（ROC）。
top_k_accuracy_score	Top-k准确性分类得分。
zero_one_loss	零级损失。

回归指标

User guide. 看到 回归指标 部分了解更多详细信息。

d2_absolute_error_score	\(D^2\) 回归评分函数，绝对误差分数解释。
d2_pinball_score	\(D^2\) 回归评分函数，弹球损失的比例解释。
d2_tweedie_score	\(D^2\) 回归评分函数，解释了Tweedie偏差的分数。
explained_variance_score	解释了方差回归得分函数。
max_error	max_oss指标计算最大残余误差。
mean_absolute_error	平均绝对误差回归损失。
mean_absolute_percentage_error	平均绝对百分比误差（MAPE）回归损失。
mean_gamma_deviance	平均伽玛偏差回归损失。
mean_pinball_loss	分位数回归的弹球损失。
mean_poisson_deviance	平均Poisson偏差回归损失。
mean_squared_error	均方误差回归损失。
mean_squared_log_error	均方对数误差回归损失。
mean_tweedie_deviance	平均Tweedie偏差回归损失。
median_absolute_error	中位数绝对误差回归损失。
r2_score	\(R^2\) （决定系数）回归评分函数。
root_mean_squared_error	均方误差回归损失。
root_mean_squared_log_error	平方根对数误差回归损失。

多标签排名指标

User guide. 看到 多标签排名指标 部分了解更多详细信息。

coverage_error	覆盖误差测量。
label_ranking_average_precision_score	计算基于排名的平均精度。
label_ranking_loss	计算排名损失测量。

集群指标

集群分析结果的评估指标。

• 监督评估使用每个样本的基本真值类别值。

• Unsupervised evaluation does use ground truths and measures the "quality" of the model itself.

User guide. 看到 集群绩效评估 部分了解更多详细信息。

adjusted_mutual_info_score	调整后的两个集群之间的互信息。
adjusted_rand_score	兰德指数根据机会进行调整。
calinski_harabasz_score	Compute the Calinski and Harabasz score.
cluster.contingency_matrix	构建描述标签之间关系的权宜矩阵。
cluster.pair_confusion_matrix	由两个集群产生的配对混淆矩阵。
completeness_score	在给定基本事实的情况下计算集群标签的完整性度量。
davies_bouldin_score	计算Davies-Bouldin分数。
fowlkes_mallows_score	测量一组点的两个集群的相似性。
homogeneity_completeness_v_measure	立即计算均匀性、完整性以及V测量分数。
homogeneity_score	给定基本事实的集群标签的均匀性度量。
mutual_info_score	两个集群之间的互信息。
normalized_mutual_info_score	两个集群之间的标准化互信息。
rand_score	兰德指数。
silhouette_samples	Compute the Silhouette Coefficient for each sample.
silhouette_score	计算所有样本的平均轮廓系数。
v_measure_score	给定基本事实的V测量集群标记。

双聚类度量

User guide. 看到 双集群评估 部分了解更多详细信息。

consensus_score

两组双集群的相似性。

距离度量

DistanceMetric

快速距离度量功能的统一接口。

成对指标

指定样本集的成对距离和亲和力。

User guide. 看到 成对指标、亲和力和核心 部分了解更多详细信息。

pairwise.additive_chi2_kernel	计算X和Y中观察值之间的加性卡方核。
pairwise.chi2_kernel	Compute the exponential chi-squared kernel between X and Y.
pairwise.cosine_distances	计算X和Y中样本之间的cos距离。
pairwise.cosine_similarity	计算X和Y中样本之间的cos相似度。
pairwise.distance_metrics	pairwise_distinctions的有效指标。
pairwise.euclidean_distances	根据一个矩阵X和Y计算每对之间的距离矩阵。
pairwise.haversine_distances	计算X和Y中样本之间的半轴距离。
pairwise.kernel_metrics	pairwise_kernels的有效指标。
pairwise.laplacian_kernel	计算X和Y之间的拉普拉斯核。
pairwise.linear_kernel	计算X和Y之间的线性核。
pairwise.manhattan_distances	计算X和Y中的载体之间的L1距离。
pairwise.nan_euclidean_distances	在存在缺失值的情况下计算欧几里得距离。
pairwise.paired_cosine_distances	计算X和Y之间的成对cos距离。
pairwise.paired_distances	计算X和Y之间的成对距离。
pairwise.paired_euclidean_distances	计算X和Y之间的成对欧几里得距离。
pairwise.paired_manhattan_distances	计算X和Y之间的成对L1距离。
pairwise.pairwise_kernels	计算数组X和可选数组Y之间的内核。
pairwise.polynomial_kernel	Compute the polynomial kernel between X and Y.
pairwise.rbf_kernel	计算X和Y之间的rBF（高斯）核。
pairwise.sigmoid_kernel	计算X和Y之间的Sigmoid核。
pairwise_distances	根据一个矩阵X和可选的Y计算距离矩阵。
pairwise_distances_argmin	计算一个点和一组点之间的最小距离。
pairwise_distances_argmin_min	计算一个点和一组点之间的最小距离。
pairwise_distances_chunked	逐块生成距离矩阵，并可选择简化。

密谋

User guide. 看到 可视化 部分了解更多详细信息。

ConfusionMatrixDisplay	混乱矩阵可视化。
DetCurveDisplay	DET曲线可视化。
PrecisionRecallDisplay	精确召回可视化。
PredictionErrorDisplay	回归模型预测误差的可视化。
RocCurveDisplay	ROC曲线可视化。