median_absolute_error

sklearn.metrics.median_absolute_error(y_true, y_pred, *, multioutput='uniform_average', sample_weight=None)[исходный код]

Функция потерь регрессии — медианная абсолютная ошибка.

Медианная абсолютная ошибка — неотрицательное число с плавающей точкой. Наилучшее значение — 0.0. Подробнее см. в руководстве пользователя.

Параметры:

y_trueмассивоподобный объект формы (n_samples,) или (n_samples, n_outputs)

Истинные (корректные) целевые значения.

y_predмассивоподобный объект формы (n_samples,) или (n_samples, n_outputs)

Оцененные целевые значения.

multioutput{‘raw_values’, ‘uniform_average’} или массивоподобный объект формы (n_outputs,), по умолчанию=’uniform_average’

Определяет способ агрегирования нескольких выходных значений. Массивоподобное значение задает веса, используемые для усреднения ошибок.

‘raw_values’ :

Для входных данных с несколькими выходами возвращает полный набор ошибок.

‘uniform_average’ :

Ошибки всех выходов усредняются с равными весами.

sample_weightмассивоподобный объект формы (n_samples,), по умолчанию=None

Веса объектов выборки.

Добавлено в версии 0.24.

Возвращает:

lossчисло с плавающей точкой или массив чисел с плавающей точкой

Если multioutput равно ‘raw_values’, для каждого выхода отдельно возвращается средняя абсолютная ошибка. Если multioutput равно ‘uniform_average’ или массиву весов, возвращается взвешенное среднее ошибок всех выходов.

Примеры

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

Примеры из галереи

Влияние преобразования целевых значений в модели регрессии

Распространённые ошибки при интерпретации коэффициентов линейных моделей