d2_brier_score#
- sklearn.metrics.d2_brier_score(y_true, y_proba, *, sample_weight=None, pos_label=None, labels=None)[Quelle]#
D² Score-Funktion, Bruchteil des erklärten Brier-Scores.
Der bestmögliche Score ist 1.0 und er kann negativ sein, da das Modell beliebig schlechter als das Nullmodell sein kann. Das Nullmodell, auch bekannt als optimales Intercept-Modell, ist ein Modell, das konstant die Proportionen pro Klasse von
y_truevorhersagt, ohne die Eingabemerkmale zu berücksichtigen. Das Nullmodell erhält einen D^2-Score von 0.0.Lesen Sie mehr im Benutzerhandbuch.
- Parameter:
- y_truearray-ähnlich mit Form (n_samples,)
Wahre Zielwerte.
- y_probaarray-like, Form (n_samples,) oder (n_samples, n_classes)
Vorhergesagte Wahrscheinlichkeiten. Wenn
y_proba.shape = (n_samples,)wird angenommen, dass die bereitgestellten Wahrscheinlichkeiten die der positiven Klasse sind. Wenny_proba.shape = (n_samples, n_classes)wird angenommen, dass die Spalten iny_probaden Bezeichnungen in alphabetischer Reihenfolge entsprechen, wie vonLabelBinarizer.- sample_weightarray-like der Form (n_samples,), Standardwert=None
Stichprobengewichte.
- pos_labelint, float, bool oder str, Standardwert=None
Bezeichnung der positiven Klasse.
pos_labelwird auf folgende Weise abgeleitet:wenn
y_truein {-1, 1} oder {0, 1} liegt, istpos_labelstandardmäßig 1;andernfalls, wenn
y_trueZeichenfolgen enthält, wird ein Fehler ausgelöst undpos_labelsollte explizit angegeben werden;andernfalls ist
pos_labelstandardmäßig die größere Bezeichnung, d.h.np.unique(y_true)[-1].
- labelsarray-like der Form (n_classes,), Standard=None
Klassenbezeichnungen, wenn
y_proba.shape = (n_samples, n_classes). Wenn nicht angegeben, werden die Bezeichnungen ausy_trueabgeleitet.
- Gibt zurück:
- d2float
Der D^2-Score.
Referenzen