mean_absolute_error#

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

平均绝对误差回归损失。

在用户指南中了解更多。

Parameters:

y_truearray-like of shape (n_samples,) or (n_samples, n_outputs)

真实值（正确的目标值）。

y_predarray-like of shape (n_samples,) or (n_samples, n_outputs)

估计的目标值。

sample_weightarray-like of shape (n_samples,), default=None

样本权重。

multioutput{‘raw_values’, ‘uniform_average’} or array-like of shape (n_outputs,), default=’uniform_average’

定义多个输出值的聚合方式。数组类型的值定义了用于平均误差的权重。

‘raw_values’ :: 在多输出输入的情况下返回完整的误差集。
‘uniform_average’ :: 所有输出的误差以均匀权重平均。

Returns:

lossfloat or array of floats

如果multioutput是’raw_values’，则分别返回每个输出的平均绝对误差。如果multioutput是’uniform_average’或权重的ndarray，则返回所有输出误差的加权平均值。

MAE输出是非负浮点数。最佳值是0.0。

Examples

>>> from sklearn.metrics import mean_absolute_error
>>> y_true = [3, -0.5, 2, 7]
>>> y_pred = [2.5, 0.0, 2, 8]
>>> mean_absolute_error(y_true, y_pred)
0.5
>>> y_true = [[0.5, 1], [-1, 1], [7, -6]]
>>> y_pred = [[0, 2], [-1, 2], [8, -5]]
>>> mean_absolute_error(y_true, y_pred)
0.75
>>> mean_absolute_error(y_true, y_pred, multioutput='raw_values')
array([0.5, 1. ])
>>> mean_absolute_error(y_true, y_pred, multioutput=[0.3, 0.7])
0.85...

Gallery examples#