mean_tweedie_deviance#
- sklearn.metrics.mean_tweedie_deviance(y_true, y_pred, *, sample_weight=None, power=0)#
均值 Tweedie 偏差回归损失。
更多信息请参阅 用户指南 。
- Parameters:
- y_true类似数组，形状为 (n_samples,)
真实目标值（正确）。
- y_pred类似数组，形状为 (n_samples,)
估计的目标值。
- sample_weight类似数组，形状为 (n_samples,)，默认=None
样本权重。
- power浮点数，默认=0
Tweedie 幂参数。可以是 power <= 0 或 power >= 1。
较高的
p值会减少对真实值和预测值之间极端偏差的权重。power < 0: 极端稳定分布。要求：y_pred > 0。
power = 0 : 正态分布，输出对应于均方误差。y_true 和 y_pred 可以是任意实数。
power = 1 : 泊松分布。要求：y_true >= 0 且 y_pred > 0。
1 < p < 2 : 复合泊松分布。要求：y_true >= 0 且 y_pred > 0。
power = 2 : 伽马分布。要求：y_true > 0 且 y_pred > 0。
power = 3 : 逆高斯分布。要求：y_true > 0 且 y_pred > 0。
其他情况 : 正稳定分布。要求：y_true > 0 且 y_pred > 0。
- Returns:
- loss浮点数
一个非负的浮点数值（最佳值为 0.0）。
Examples
>>> 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...
