sklearn.metrics

Score-Funktionen, Performanzmetriken, paarweise Metriken und Distanzberechnungen.

Benutzerhandbuch. Weitere Details finden Sie in den Abschnitten Metriken und Scoring: Quantifizierung der Vorhersagequalität und Paarweise Metriken, Affinitäten und Kernel.

Schnittstelle zur Modellauswahl

Benutzerhandbuch. Weitere Details finden Sie im Abschnitt Der Scoring-Parameter: Definition von Regeln zur Modellevaluierung.

check_scoring	Bestimmt den Scorer anhand von Benutzeroptionen.
get_scorer	Ruft einen Scorer anhand von Strings ab.
get_scorer_names	Ruft die Namen aller verfügbaren Scorer ab.
make_scorer	Erstellt einen Scorer aus einer Leistungsmetrik oder Verlustfunktion.

Klassifikationsmetriken

Benutzerhandbuch. Weitere Details finden Sie im Abschnitt Klassifikationsmetriken.

accuracy_score	Genauigkeits-Klassifikationsergebnis.
auc	Berechnet die Fläche unter der Kurve (AUC) mittels der Trapezregel.
average_precision_score	Berechnet die durchschnittliche Präzision (AP) aus Vorhersageergebnissen.
balanced_accuracy_score	Berechnet die ausgewogene Genauigkeit.
brier_score_loss	Berechnet den Brier Score Verlust.
class_likelihood_ratios	Berechnet die positiven und negativen Likelihood-Verhältnisse für die binäre Klassifikation.
classification_report	Erstellt einen Textbericht, der die wichtigsten Klassifikationsmetriken zeigt.
cohen_kappa_score	Berechnet Cohens Kappa: eine Statistik, die die Übereinstimmung zwischen Annotatoren misst.
confusion_matrix	Berechnet die Konfusionsmatrix zur Bewertung der Genauigkeit einer Klassifikation.
confusion_matrix_at_thresholds	Berechne Terme der binären Konfusionsmatrix pro Klassifizierungsschwelle.
d2_brier_score	D² Score-Funktion, Bruchteil des erklärten Brier-Scores.
d2_log_loss_score	D² Score-Funktion, Bruchteil des erklärten Log-Loss.
dcg_score	Berechne Discounted Cumulative Gain.
det_curve	Berechne Detection Error Tradeoff (DET) für verschiedene Wahrscheinlichkeitsschwellen.
f1_score	Berechne den F1-Score, auch bekannt als Balanced F-Score oder F-Maß.
fbeta_score	Berechne den F-beta-Score.
hamming_loss	Berechne den durchschnittlichen Hamming-Verlust.
hinge_loss	Durchschnittlicher Hinge-Verlust (nicht regularisiert).
jaccard_score	Jaccard-Ähnlichkeitskoeffizient-Score.
log_loss	Log-Loss, auch bekannt als logistischer Verlust oder Kreuzentropieverlust.
matthews_corrcoef	Berechne den Matthews-Korrelationskoeffizienten (MCC).
multilabel_confusion_matrix	Berechne eine Konfusionsmatrix für jede Klasse oder Stichprobe.
ndcg_score	Berechne Normalized Discounted Cumulative Gain.
precision_recall_curve	Berechne Präzisions-Recall-Paare für verschiedene Wahrscheinlichkeitsschwellen.
precision_recall_fscore_support	Berechne Präzision, Recall, F-Maß und Support für jede Klasse.
precision_score	Berechne die Präzision.
recall_score	Berechne den Recall.
roc_auc_score	Berechne die Fläche unter der Receiver Operating Characteristic Curve (ROC AUC) aus den Vorhersagescores.
roc_curve	Berechne die Receiver operating characteristic (ROC).
top_k_accuracy_score	Top-k Genauigkeitsklassifikations-Score.
zero_one_loss	Null-Eins-Klassifikationsverlust.

Regressionsmetriken

Benutzerhandbuch. Weitere Details finden Sie im Abschnitt Regressionsmetriken.

d2_absolute_error_score	D² Regressions-Score-Funktion, Bruchteil des erklärten absoluten Fehlers.
d2_pinball_score	D² Regressions-Score-Funktion, Bruchteil des erklärten Pinball-Verlusts.
d2_tweedie_score	D² Regressions-Score-Funktion, Bruchteil der erklärten Tweedie-Devianz.
explained_variance_score	Erklärte Varianz-Regressions-Score-Funktion.
max_error	Die Metrik max_error berechnet den maximalen Residuenfehler.
mean_absolute_error	Mittlerer absoluter Fehler für die Regression.
mean_absolute_percentage_error	Mittlerer absoluter prozentualer Fehler (MAPE) für die Regression.
mean_gamma_deviance	Mittlerer Gamma-Devianz-Verlust für die Regression.
mean_pinball_loss	Pinball-Verlust für die Quantilregression.
mean_poisson_deviance	Mittlerer Poisson-Devianz-Verlust für die Regression.
mean_squared_error	Mittlerer quadratischer Fehler für die Regression.
mean_squared_log_error	Mittlerer quadratischer logarithmischer Fehler für die Regression.
mean_tweedie_deviance	Mittlerer Tweedie-Devianz-Verlust für die Regression.
median_absolute_error	Mittlerer absoluter Fehler für die Medianregression.
r2_score	R² (Bestimmtheitsmaß) Regressions-Score-Funktion.
root_mean_squared_error	Wurzel aus dem mittleren quadratischen Fehler für die Regression.
root_mean_squared_log_error	Wurzel aus dem mittleren quadratischen logarithmischen Fehler für die Regression.

Metriken für Multilabel-Ranking

Benutzerhandbuch. Weitere Details finden Sie im Abschnitt Metriken für Multilabel-Ranking.

coverage_error	Coverage-Fehlermessung.
label_ranking_average_precision_score	Berechne ranking-basierte Durchschnittspräzision.
label_ranking_loss	Berechne den Ranking-Verlust.

Clustering-Metriken

Evaluierungsmetriken für Clustering-Ergebnisse.

• Überwachte Evaluierung verwendet tatsächliche Klassenwerte für jede Stichprobe.

• Unüberwachte Evaluierung verwendet keine Ground Truths und misst die "Qualität" des Modells selbst.

Benutzerhandbuch. Weitere Details finden Sie im Abschnitt Evaluierung der Clustering-Leistung.

adjusted_mutual_info_score	Adjustierte gegenseitige Information zwischen zwei Clusterings.
adjusted_rand_score	Durch den Zufall angepasster Rand-Index.
calinski_harabasz_score	Berechne den Calinski-Harabasz-Score.
cluster.contingency_matrix	Erstelle eine Kontingenzmatrix, die die Beziehung zwischen Labels beschreibt.
cluster.pair_confusion_matrix	Paarweise Konfusionsmatrix aus zwei Clusterings.
completeness_score	Berechne die Vollständigkeitsmetrik einer Cluster-Beschriftung gegeben eine Grundwahrheit.
davies_bouldin_score	Berechne den Davies-Bouldin-Score.
fowlkes_mallows_score	Messe die Ähnlichkeit von zwei Clusterings eines Punktesets.
homogeneity_completeness_v_measure	Berechne gleichzeitig Homogenitäts-, Vollständigkeits- und V-Measure-Scores.
homogeneity_score	Homogenitätsmetrik einer Cluster-Beschriftung gegeben eine Grundwahrheit.
mutual_info_score	Gegenseitige Information zwischen zwei Clusterings.
normalized_mutual_info_score	Normalisierte gegenseitige Information zwischen zwei Clusterings.
rand_score	Rand-Index.
silhouette_samples	Berechne den Silhouettenkoeffizienten für jede Stichprobe.
silhouette_score	Berechne den mittleren Silhouettenkoeffizienten aller Stichproben.
v_measure_score	V-Measure Cluster-Beschriftung gegeben eine Grundwahrheit.

Biclustering-Metriken

Benutzerhandbuch. Weitere Details finden Sie im Abschnitt Biclustering-Evaluierung.

consensus_score

Die Ähnlichkeit von zwei Mengen von Bicluster.

Distanzmetriken

DistanceMetric

Einheitliche Schnittstelle für schnelle Distanzmetrikfunktionen.

Paarweise Metriken

Metriken für paarweise Distanzen und Affinitäten von Stichprobensätzen.

Benutzerhandbuch. Weitere Details finden Sie im Abschnitt Paarweise Metriken, Affinitäten und Kernel.

pairwise.additive_chi2_kernel	Berechne den additiven Chi-Quadrat-Kernel zwischen Beobachtungen in X und Y.
pairwise.chi2_kernel	Berechne den exponentiellen Chi-Quadrat-Kernel zwischen X und Y.
pairwise.cosine_distances	Berechne die Kosinusdistanz zwischen Stichproben in X und Y.
pairwise.cosine_similarity	Berechne die Kosinusähnlichkeit zwischen Stichproben in X und Y.
pairwise.distance_metrics	Gültige Metriken für pairwise_distances.
pairwise.euclidean_distances	Berechne die Distanzmatrix zwischen jedem Paar aus einem Feature-Array X und Y.
pairwise.haversine_distances	Berechne die Haversine-Distanz zwischen Stichproben in X und Y.
pairwise.kernel_metrics	Gültige Metriken für pairwise_kernels.
pairwise.laplacian_kernel	Berechne den Laplacian-Kernel zwischen X und Y.
pairwise.linear_kernel	Berechne den linearen Kernel zwischen X und Y.
pairwise.manhattan_distances	Berechne die L1-Distanzen zwischen den Vektoren in X und Y.
pairwise.nan_euclidean_distances	Berechne die euklidischen Distanzen bei fehlenden Werten.
pairwise.paired_cosine_distances	Berechne die paarweisen Kosinusdistanzen zwischen X und Y.
pairwise.paired_distances	Berechne die paarweisen Distanzen zwischen X und Y.
pairwise.paired_euclidean_distances	Berechne die paarweisen euklidischen Distanzen zwischen X und Y.
pairwise.paired_manhattan_distances	Berechne die paarweisen L1-Distanzen zwischen X und Y.
pairwise.pairwise_kernels	Berechne den Kernel zwischen den Arrays X und einem optionalen Array Y.
pairwise.polynomial_kernel	Berechne den Polynom-Kernel zwischen X und Y.
pairwise.rbf_kernel	Berechne den RBF (Gaußschen) Kernel zwischen X und Y.
pairwise.sigmoid_kernel	Berechne den Sigmoid-Kernel zwischen X und Y.
pairwise_distances	Berechne die Distanzmatrix aus einem Feature-Array X und einem optionalen Y.
pairwise_distances_argmin	Berechne die minimalen Distanzen zwischen einem Punkt und einer Menge von Punkten.
pairwise_distances_argmin_min	Berechne die minimalen Distanzen zwischen einem Punkt und einer Menge von Punkten.
pairwise_distances_chunked	Generiere eine Distanzmatrix Block für Block mit optionaler Reduktion.

Plotten

Benutzerhandbuch. Weitere Details finden Sie im Abschnitt Visualisierungen.

ConfusionMatrixDisplay	Visualisierung der Konfusionsmatrix.
DetCurveDisplay	Visualisierung der Detection Error Tradeoff (DET) Kurve.
PrecisionRecallDisplay	Visualisierung von Präzision und Recall.
PredictionErrorDisplay	Visualisierung des Vorhersagefehlers eines Regressionsmodells.
RocCurveDisplay	Visualisierung der ROC-Kurve.