d2_log_loss_score

sklearn.metrics.d2_log_loss_score(y_true, y_pred, *, sample_weight=None, labels=None)

D² Score-Funktion, Bruchteil des erklärten Log-Loss.

Der bestmögliche Wert ist 1.0 und er kann negativ sein (da das Modell beliebig schlechter sein kann). Ein Modell, das immer die proportionale Verteilung der Klassen von y_true vorhersagt und die Eingabemerkmale ignoriert, erhält einen D^2-Score von 0.0.

Lesen Sie mehr im Benutzerhandbuch.

Hinzugefügt in Version 1.5.

Parameter:

y_truearray-artig oder Label-Indikator-Matrix

Die tatsächlichen Labels für die n_samples Stichproben.

y_predarray-artig der Form (n_samples, n_classes) oder (n_samples,)

Vorhergesagte Wahrscheinlichkeiten, wie sie von der Methode predict_proba eines Klassifikators zurückgegeben werden. Wenn y_pred.shape = (n_samples,), wird angenommen, dass die angegebenen Wahrscheinlichkeiten die der positiven Klasse sind. Die Labels in y_pred werden alphabetisch sortiert angenommen, wie es von LabelBinarizer gemacht wird.

sample_weightarray-like der Form (n_samples,), Standardwert=None

Stichprobengewichte.

labelsarray-artig, Standardwert=None

Wenn nicht angegeben, werden die Labels aus y_true abgeleitet. Wenn labels None ist und y_pred die Form (n_samples,) hat, wird angenommen, dass die Labels binär sind und aus y_true abgeleitet werden.

Gibt zurück:

d2float oder ndarray von Floats

Der D^2-Score.

Anmerkungen

Dies ist keine symmetrische Funktion.

Wie R^2 kann der D^2-Score negativ sein (er muss nicht tatsächlich das Quadrat einer Größe D sein).

Diese Metrik ist für eine einzelne Stichprobe nicht gut definiert und gibt einen NaN-Wert zurück, wenn n_samples kleiner als zwei ist.