mean_tweedie_deviance

sklearn.metrics.mean_tweedie_deviance(y_true, y_pred, *, sample_weight=None, power=0)[исходный код]

Средняя девианса Твиди для регрессии.

Подробнее см. в Руководстве пользователя.

Параметры:

y_truearray-like of shape (n_samples,)

Истинные (правильные) целевые значения.

y_predarray-like of shape (n_samples,)

Оцененные целевые значения.

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

Веса выборок.

powerfloat, default=0

Параметр степени Твиди. Значение параметра должно быть либо power <= 0, либо power >= 1.

Чем выше p, тем меньший вес присваивается большим отклонениям между истинными и предсказанными целевыми значениями.

• power < 0: устойчивое распределение. Требуется: y_pred > 0.
• power = 0 : нормальное распределение; результат соответствует mean_squared_error. y_true и y_pred могут быть любыми действительными числами.
• power = 1 : распределение Пуассона. Требуется: y_true >= 0 и y_pred > 0.
• 1 < p < 2 : составное распределение Пуассона. Требуется: y_true >= 0 и y_pred > 0.
• power = 2 : гамма-распределение. Требуется: y_true > 0 и y_pred > 0.
• power = 3 : обратное гауссовское распределение. Требуется: y_true > 0 и y_pred > 0.
• в противном случае : положительное устойчивое распределение. Требуется: y_true > 0 и y_pred > 0.

Возвращает:

lossfloat

Неотрицательное значение с плавающей точкой (наилучшее значение — 0.0).

Примеры

>>> 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...

Примеры в галерее

Регрессия Твиди для страховых требований