d2_brier_score

sklearn.metrics.d2_brier_score(y_true, y_proba, *, sample_weight=None, pos_label=None, labels=None)[исходный код]

Функция оценки \(D^2\), доля объяснённой оценки Брайера.

Также известна как оценка навыка Брайера (BSS) и масштабированная оценка Брайера.

Наилучшая возможная оценка — 1.0; она может быть отрицательной, поскольку модель может быть сколь угодно хуже нулевой модели. Нулевая модель, также известная как модель с оптимальным свободным членом, постоянно предсказывает доли классов для y_true, игнорируя входные признаки. Оценка D^2 нулевой модели равна 0.0.

Подробнее см. в руководстве пользователя.

Параметры:

y_trueмассивоподобный объект формы (n_samples,)

Истинные целевые значения.

y_probaмассивоподобный объект формы (n_samples,) или (n_samples, n_classes)

Предсказанные вероятности. Если y_proba.shape = (n_samples,), считается, что предоставлены вероятности положительного класса. Если y_proba.shape = (n_samples, n_classes), предполагается, что столбцы в y_proba соответствуют меткам в алфавитном порядке, как в LabelBinarizer.

sample_weightмассивоподобный объект формы (n_samples,), по умолчанию None

Веса образцов.

pos_labelint, float, bool или str, по умолчанию None

Метка положительного класса. pos_label будет определена следующим образом:

• если y_true принадлежит {-1, 1} или {0, 1}, pos_label по умолчанию равна 1;
• иначе, если y_true содержит строку, будет вызвана ошибка, и pos_label необходимо указать явно;
• в противном случае pos_label по умолчанию равна большей метке, то есть np.unique(y_true)[-1].

labelsмассивоподобный объект формы (n_classes,), по умолчанию None

Метки классов, если y_proba.shape = (n_samples, n_classes). Если не указаны, метки будут определены по y_true.

Возвращает:

d2float

Оценка D^2.

Ссылки

[1]

Статья Википедии об оценке навыка Брайера (BSS).