dask_ml.metrics.mean_squared_error
dask_ml.metrics.mean_squared_error¶
- dask_ml.metrics.mean_squared_error(y_true: dask_ml._typing.ArrayLike, y_pred: dask_ml._typing.ArrayLike, sample_weight: Optional[dask_ml._typing.ArrayLike] = None, multioutput: Optional[str] = 'uniform_average', squared: bool = True, compute: bool = True) dask_ml._typing.ArrayLike[源代码]¶
均方误差回归损失。
此文档字符串是从 sklearn.metrics.mean_squared_error 复制而来的。
Dask 版本可能存在一些不一致性。
更多信息请参阅 用户指南。
- 参数
- y_true形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组
地面实况（正确）的目标值。
- y_pred形状为 (n_samples,) 或 (n_samples, n_outputs) 的类数组
估计的目标值。
- sample_weight类似数组的形状 (n_samples,)，默认=None
样本权重。
- 多输出{‘raw_values’, ‘uniform_average’} 或形状为 (n_outputs,) 的类数组对象，默认值为 ‘uniform_average’
定义多个输出值的聚合。类似数组的值定义了用于平均误差的权重。
- ‘原始值’ :
在多输出输入的情况下返回一组完整的错误。
- ‘uniform_average’ :
所有输出的错误均以均匀权重进行平均。
- 平方bool, 默认=True
如果为 True，返回 MSE 值；如果为 False，返回 RMSE 值。
1.4 版后已移除: squared 在 1.4 版本中已被弃用，并将在 1.6 版本中移除。请使用
root_mean_squared_error()来计算均方根误差。
- 返回
- 损失浮点数或浮点数数组
一个非负的浮点数值（最佳值为0.0），或是一个浮点数值数组，每个目标对应一个值。
示例
>>> from sklearn.metrics import mean_squared_error >>> y_true = [3, -0.5, 2, 7] >>> y_pred = [2.5, 0.0, 2, 8] >>> mean_squared_error(y_true, y_pred) np.float64(0.375) >>> y_true = [[0.5, 1],[-1, 1],[7, -6]] >>> y_pred = [[0, 2],[-1, 2],[8, -5]] >>> mean_squared_error(y_true, y_pred) np.float64(0.708...) >>> mean_squared_error(y_true, y_pred, multioutput='raw_values') array([0.41666667, 1. ]) >>> mean_squared_error(y_true, y_pred, multioutput=[0.3, 0.7]) np.float64(0.825...)