mean_tweedie_deviance

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

平均Tweedie偏差回归损失。

阅读更多的 User Guide .

参数:

y_true形状类似阵列（n_samples，）

地面真相（正确）目标值。

y_pred形状类似阵列（n_samples，）

估计目标值。

sample_weight形状类似数组（n_samples，），默认=无

样本重量。

powerfloat，默认=0

Tweedie功率参数。功率<= 0或功率>= 1。

越高 p 真实目标和预测目标之间的极端偏差所赋予的权重就越小。

• 功率< 0: Extreme stable distribution. Requires: y_pred >0。

• power = 0：正态分布，输出对应于mean_squared_oss。y_true和y_pred可以是任何真实数字。

• 功效= 1：Poisson分布。需要：y_true >= 0且y_pred > 0。

• 1 < p < 2：复合Poisson分布。需要：y_true >= 0且y_pred > 0。

• 功率= 2：伽玛分布。需要：y_true > 0且y_pred > 0。

• 幂= 3：逆高斯分布。需要：y_true > 0且y_pred > 0。

• 否则：正稳定分布。需要：y_true > 0且y_pred > 0。

返回:

loss浮子

非负浮点值（最佳值为0.0）。

示例

>>> 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...