mean_squared_log_error

sklearn.metrics.mean_squared_log_error(y_true, y_pred, *, sample_weight=None, multioutput='uniform_average')

均方对数误差回归损失。

阅读更多的 User Guide .

参数:

y_true形状的类似阵列（n_samples，）或（n_samples，n_outputs）

地面真相（正确）目标值。

y_pred形状的类似阵列（n_samples，）或（n_samples，n_outputs）

估计目标值。

sample_weight形状类似数组（n_samples，），默认=无

样本重量。

multioutput' raw_values '、' unique_average '}或类似数组的形状 （n_outputs，），默认=' unique_average '

定义多个输出值的聚合。类似数组的值定义用于平均误差的权重。

“raw_values”：

当输入为多输出格式时，返回完整的错误集。

'uniform_average'：

所有输出的误差以统一的权重进行平均。

返回:

loss浮动或浮动数组

非负浮点值（最佳值为0.0），或浮点值数组，每个目标对应一个。

示例

>>> from sklearn.metrics import mean_squared_log_error
>>> y_true = [3, 5, 2.5, 7]
>>> y_pred = [2.5, 5, 4, 8]
>>> mean_squared_log_error(y_true, y_pred)
0.039...
>>> y_true = [[0.5, 1], [1, 2], [7, 6]]
>>> y_pred = [[0.5, 2], [1, 2.5], [8, 8]]
>>> mean_squared_log_error(y_true, y_pred)
0.044...
>>> mean_squared_log_error(y_true, y_pred, multioutput='raw_values')
array([0.00462428, 0.08377444])
>>> mean_squared_log_error(y_true, y_pred, multioutput=[0.3, 0.7])
0.060...