d2_log_loss_score

sklearn.metrics.d2_log_loss_score(y_true, y_pred, *, sample_weight=None, labels=None)

\(D^2\) 评分函数，对数损失的分数解释。

最好的可能分数是1.0，并且可以是负的（因为模型可以任意更差）。一个总是预测每个班级的比例的模型 y_true 不考虑输入特征，获得D#2评分为0.0。

阅读更多的 User Guide .

Added in version 1.5.

参数:

y_true类阵列或标签指示矩阵

n_samples样本的实际标签。

y_pred形状类似阵列（n_samples，n_classes）或（n_samples，）

Predicted probabilities, as returned by a classifier's predict_proba method. If y_pred.shape = (n_samples,) the probabilities provided are assumed to be that of the positive class. The labels in y_pred are assumed to be ordered alphabetically, as done by LabelBinarizer.

sample_weight形状类似数组（n_samples，），默认=无

样本重量。

labels类数组，默认=无

如果未提供，标签将从y_true推断。如果 labels 是 None 和 y_pred 具有形状（n_samples），标签被假设为二进制，并从 y_true .

返回:

d2浮动或浮动数组

D^2分数。

注意到

这不是一个对称函数。

与R#2一样，D#2得分可能是负的（它实际上不需要是量D的平方）。

此指标对于单个样本没有明确定义，如果n_samples小于2，则将返回NaN值。