sklearn.metrics

评分函数、性能指标、成对指标和距离计算。

User guide. See the 度量和评分：量化预测质量 and 成对度量、亲和力和核函数 sections for further details.

Model selection interface

User guide. See the scoring_parameter section for further details.

check_scoring	确定用户选项的评分器。
get_scorer	获取字符串形式的评分器。
get_scorer_names	获取所有可用评分器的名称。
make_scorer	创建一个从性能指标或损失函数生成的评分器。

Classification metrics

User guide. See the 分类指标 section for further details.

accuracy_score	准确性分类得分。
auc	计算使用梯形法则的曲线下面积（AUC）。
average_precision_score	计算预测分数的平均精度（AP）。
balanced_accuracy_score	计算平衡准确率。
brier_score_loss	计算Brier分数损失。
class_likelihood_ratios	计算二分类的正负似然比。
classification_report	构建一个文本报告，展示主要的分类指标。
cohen_kappa_score	计算Cohen's kappa：一种衡量标注者之间一致性的统计量。
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，解释的对数损失分数。
dcg_score	计算折损累计增益。
det_curve	计算不同概率阈值下的错误率。
f1_score	计算F1分数，也称为平衡F-分数或F-度量。
fbeta_score	计算 F-beta 分数。
hamming_loss	计算平均汉明损失。
hinge_loss	平均铰链损失（非正则化）。
jaccard_score	Jaccard相似系数得分。
log_loss	Log loss，又称逻辑损失或交叉熵损失。
matthews_corrcoef	计算 Matthews 相关系数（MCC）。
multilabel_confusion_matrix	计算每个类别或样本的混淆矩阵。
ndcg_score	计算归一化折损累积增益。
precision_recall_curve	计算不同概率阈值下的精确率-召回率对。
precision_recall_fscore_support	计算每个类别的精确度、召回率、F-度量和支持度。
precision_score	计算精确度。
recall_score	计算召回率。
roc_auc_score	计算从预测分数得到的受试者工作特征曲线（ROC AUC）下的面积。
roc_curve	计算接收者操作特征（ROC）。
top_k_accuracy_score	Top-k 准确率分类得分。
zero_one_loss	零一分类损失。

Regression metrics

User guide. See the 回归度量 section for further details.

d2_absolute_error_score	\(D^2\) 回归评分函数，解释的绝对误差分数。
d2_pinball_score	\(D^2\) 回归评分函数，解释了分位数损失的比例。
d2_tweedie_score	\(D^2\) 回归评分函数，解释的 Tweedie 偏差的比例。
explained_variance_score	方差解释回归评分函数。
max_error	max_error 指标计算最大残差误差。
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	均值伽玛偏差回归损失。
mean_pinball_loss	Pinball损失用于分位数回归。
mean_poisson_deviance	均值泊松偏差回归损失。
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	均值 Tweedie 偏差回归损失。
median_absolute_error	中位绝对误差回归损失。
r2_score	\(R^2\) （决定系数）回归得分函数。
root_mean_squared_error	均方根误差回归损失。
root_mean_squared_log_error	均方对数误差回归损失。

Multilabel ranking metrics

User guide. See the 多标签排序指标 section for further details.

coverage_error	覆盖错误度量。
label_ranking_average_precision_score	计算基于排名的平均精度。
label_ranking_loss	计算排序损失度量。

Clustering metrics

评估聚类分析结果的度量标准。

• 监督评估使用每个样本的地面实况类值。

• 无监督评估不使用地面实况，而是衡量模型本身的“质量”。

User guide. See the clustering_evaluation section for further details.

adjusted_mutual_info_score	调整两个聚类的互信息。
adjusted_rand_score	Rand指数的随机调整。
calinski_harabasz_score	计算 Calinski 和 Harabasz 分数。
cluster.contingency_matrix	构建一个描述标签之间关系的列联矩阵。
cluster.pair_confusion_matrix	由两个聚类产生的对混淆矩阵。
completeness_score	计算给定真实标签的聚类标签完整性度量。
davies_bouldin_score	计算Davies-Bouldin得分。
fowlkes_mallows_score	测量一组点的两个聚类之间的相似性。
homogeneity_completeness_v_measure	计算同质性、完整性和V-Measure分数。
homogeneity_score	同质性度量给定真实标签的聚类标签。
mutual_info_score	互信息在两个聚类之间的相似性度量。
normalized_mutual_info_score	标准化两个聚类之间的互信息。
rand_score	Rand指数。
silhouette_samples	计算每个样本的轮廓系数。
silhouette_score	计算所有样本的平均轮廓系数。
v_measure_score	V-measure 聚类标签给定一个真实标签。

Biclustering metrics

User guide. See the 双聚类评估 section for further details.

consensus_score

两个双聚类集的相似性。

Distance metrics

DistanceMetric

统一接口，用于快速距离度量函数。

Pairwise metrics

度量成对距离和样本集的亲和性。

User guide. See the 成对度量、亲和力和核函数 section for further details.

pairwise.additive_chi2_kernel	计算观测值 X 和 Y 之间的加性卡方核。
pairwise.chi2_kernel	计算X和Y之间的指数卡方核。
pairwise.cosine_distances	计算X和Y中样本之间的余弦距离。
pairwise.cosine_similarity	计算X和Y中样本之间的余弦相似度。
pairwise.distance_metrics	有效的成对距离度量。
pairwise.euclidean_distances	计算向量数组X和Y中每一对之间的距离矩阵。
pairwise.haversine_distances	计算样本X和Y之间的Haversine距离。
pairwise.kernel_metrics	有效的成对核函数度量。
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中向量之间的L1距离。
pairwise.nan_euclidean_distances	计算在存在缺失值的情况下的欧几里得距离。
pairwise.paired_cosine_distances	计算X和Y之间的配对余弦距离。
pairwise.paired_distances	计算X和Y之间的配对距离。
pairwise.paired_euclidean_distances	计算X和Y之间的配对欧几里得距离。
pairwise.paired_manhattan_distances	计算X和Y之间的配对L1距离。
pairwise.pairwise_kernels	计算数组 X 和可选数组 Y 之间的核。
pairwise.polynomial_kernel	计算X和Y之间的多项式核。
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	计算从向量数组X和可选的Y的距离矩阵。
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	生成一个分块的距离矩阵，可选的归约操作。

Plotting

User guide. See the 可视化 section for further details.

ConfusionMatrixDisplay	混淆矩阵可视化。
DetCurveDisplay	DET曲线可视化。
PrecisionRecallDisplay	精确召回率可视化。
PredictionErrorDisplay	预测回归模型的误差可视化。
RocCurveDisplay	ROC曲线可视化。