sklearn.metrics

Функции оценки, метрики производительности, попарные метрики и вычисления расстояний.

Руководство пользователя. См. Метрики и оценка: количественное измерение качества прогнозов и Парные метрики, сходства и ядра разделы для получения дополнительных сведений.

Интерфейс выбора модели

Руководство пользователя. См. Параметр scoring: определение правил оценки модели раздел для дальнейших деталей.

check_scoring	Определить оценщик из пользовательских опций.
get_scorer	Получить оценщик из строки.
get_scorer_names	Получить имена всех доступных скореров.
make_scorer	Создать оценщик из метрики производительности или функции потерь.

Метрики классификации

Руководство пользователя. См. Метрики классификации раздел для дальнейших деталей.

accuracy_score	Оценка точности классификации.
auc	Вычислить площадь под кривой (AUC) с использованием правила трапеций.
average_precision_score	Вычислите среднюю точность (AP) из оценок предсказания.
balanced_accuracy_score	Вычисление сбалансированной точности.
brier_score_loss	Вычислить потерю по шкале Брайера.
class_likelihood_ratios	Вычислить положительные и отрицательные отношения правдоподобия для бинарной классификации.
classification_report	Построить текстовый отчет, показывающий основные метрики классификации.
cohen_kappa_score	Вычислить каппу Коэна: статистику, измеряющую согласие между аннотаторами.
confusion_matrix	Вычисление матрицы ошибок для оценки точности классификации.
confusion_matrix_at_thresholds	Вычислить бинарный термины матрицы ошибок для каждого порога классификации.
d2_brier_score	\(D^2\) функция оценки, доля объяснённого скора Брайера.
d2_log_loss_score	\(D^2\) функция оценки, доля объясненной логарифмической потери.
dcg_score	Вычисление дисконтированного кумулятивного выигрыша.
det_curve	Вычислите компромисс между ошибками обнаружения (DET) для различных порогов вероятности.
f1_score	Вычислите оценку F1, также известную как сбалансированная F-оценка или F-мера.
fbeta_score	Вычислить F-бета оценку.
hamming_loss	Вычисляет среднюю потерю Хэмминга.
hinge_loss	Средняя потеря на шарнире (нерегуляризованная).
jaccard_score	Коэффициент сходства Жаккара.
log_loss	Логарифмические потери, также известные как логистические потери или потери перекрестной энтропии.
matthews_corrcoef	Вычислить коэффициент корреляции Мэттьюса (MCC).
multilabel_confusion_matrix	Вычислить матрицу ошибок для каждого класса или образца.
ndcg_score	Вычислить нормализованный дисконтированный кумулятивный выигрыш.
precision_recall_curve	Вычислите пары точность-полнота для различных порогов вероятности.
precision_recall_fscore_support	Вычислить точность, полноту, F-меру и поддержку для каждого класса.
precision_score	Вычислить точность.
recall_score	Вычислить полноту (recall).
roc_auc_score	Вычисление площади под кривой рабочих характеристик приемника (ROC AUC) по прогнозным оценкам.
roc_curve	Вычислить характеристическую кривую оператора (ROC).
top_k_accuracy_score	Оценка классификации по точности Top-k.
zero_one_loss	Потеря классификации ноль-один.

Метрики регрессии

Руководство пользователя. См. Метрики регрессии раздел для дальнейших деталей.

d2_absolute_error_score	\(D^2\) функция оценки регрессии, доля абсолютной ошибки, объясненная.
d2_pinball_score	\(D^2\) функция оценки регрессии, доля объяснённой потери пинбола.
d2_tweedie_score	\(D^2\) функция оценки регрессии, доля объяснённого отклонения Твиди.
explained_variance_score	Функция оценки регрессии по объясненной дисперсии.
max_error	Метрика max_error вычисляет максимальную остаточную ошибку.
mean_absolute_error	Средняя абсолютная ошибка регрессии.
mean_absolute_percentage_error	Средняя абсолютная процентная ошибка (MAPE) потерь регрессии.
mean_gamma_deviance	Средняя гамма-девиансная регрессионная потеря.
mean_pinball_loss	Потеря пинбола для квантильной регрессии.
mean_poisson_deviance	Средняя регрессионная потеря по отклонению Пуассона.
mean_squared_error	Среднеквадратичная ошибка регрессии.
mean_squared_log_error	Среднеквадратичная логарифмическая ошибка регрессии.
mean_tweedie_deviance	Средняя регрессионная потеря по отклонению Твиди.
median_absolute_error	Медианная абсолютная ошибка регрессии.
r2_score	\(R^2\) (коэффициент детерминации) функция оценки регрессии.
root_mean_squared_error	Среднеквадратичная ошибка регрессии.
root_mean_squared_log_error	Среднеквадратичная логарифмическая ошибка регрессии.

Метрики ранжирования для многометочной классификации

Руководство пользователя. См. Метрики ранжирования для многометочной классификации раздел для дальнейших деталей.

coverage_error	Мера ошибки покрытия (coverage error).
label_ranking_average_precision_score	Вычислите среднюю точность на основе ранжирования.
label_ranking_loss	Вычислить меру потерь ранжирования.

Метрики кластеризации

Метрики оценки для результатов кластерного анализа.

• Контролируемая оценка использует истинные значения классов для каждого образца.

• Неконтролируемая оценка не использует истинные значения и измеряет «качество» самой модели.

Руководство пользователя. См. Оценка производительности кластеризации раздел для дальнейших деталей.

adjusted_mutual_info_score	Скорректированная взаимная информация между двумя кластеризациями.
adjusted_rand_score	Индекс Рэнда, скорректированный на случайность.
calinski_harabasz_score	Вычислить оценку Калинского и Харабаша.
cluster.contingency_matrix	Построение матрицы сопряженности, описывающей связь между метками.
cluster.pair_confusion_matrix	Матрица парных несоответствий, возникающая из двух кластеризаций.
completeness_score	: Вычисляет порог для приемлемой производительности (лучший результат - 1 ст. откл.)
davies_bouldin_score	Вычислить оценку Дэвиса-Болдина.
fowlkes_mallows_score	Измеряет сходство двух кластеризаций набора точек.
homogeneity_completeness_v_measure	Вычислить однородность, полноту и показатель V-Measure за один раз.
homogeneity_score	Метрика однородности кластерной разметки при заданной истинной разметке.
mutual_info_score	Взаимная информация между двумя кластеризациями.
normalized_mutual_info_score	Нормализованная взаимная информация между двумя кластеризациями.
rand_score	Индекс Рэнда.
silhouette_samples	Вычислить коэффициент силуэта для каждого образца.
silhouette_score	Вычислить средний коэффициент силуэта всех образцов.
v_measure_score	V-мера кластеризации при заданной истинной разметке.

Метрики бикластеризации

Руководство пользователя. См. Оценка бикластеризации раздел для дальнейших деталей.

consensus_score

Сходство двух наборов бикластеров.

Метрики расстояния

DistanceMetric

Унифицированный интерфейс для быстрых функций метрики расстояния.

Парные метрики

Метрики для попарных расстояний и сходства наборов выборок.

Руководство пользователя. См. Парные метрики, сходства и ядра раздел для дальнейших деталей.

pairwise.additive_chi2_kernel	Вычислить аддитивное хи-квадрат ядро между наблюдениями в X и Y.
pairwise.chi2_kernel	Вычислить экспоненциальное хи-квадрат ядро между X и Y.
pairwise.cosine_distances	Вычислить косинусное расстояние между образцами в X и Y.
pairwise.cosine_similarity	Вычисление косинусного сходства между образцами в X и Y.
pairwise.distance_metrics	Допустимые метрики для pairwise_distances.
pairwise.euclidean_distances	Вычислите матрицу расстояний между каждой парой из массивов признаков X и Y.
pairwise.haversine_distances	Вычислить расстояние Хаверсина между образцами в X и Y.
pairwise.kernel_metrics	Допустимые метрики для pairwise_kernels.
pairwise.laplacian_kernel	Вычислить лапласово ядро между X и Y.
pairwise.linear_kernel	Вычислить линейное ядро между X и Y.
pairwise.manhattan_distances	Вычислить расстояния L1 между векторами в X и Y.
pairwise.nan_euclidean_distances	Вычисление евклидовых расстояний при наличии пропущенных значений.
pairwise.paired_cosine_distances	Вычислить парные косинусные расстояния между X и Y.
pairwise.paired_distances	Вычислить парные расстояния между X и Y.
pairwise.paired_euclidean_distances	Вычислить парные евклидовы расстояния между X и Y.
pairwise.paired_manhattan_distances	Вычислить парные расстояния L1 между X и Y.
pairwise.pairwise_kernels	Вычислить ядро между массивами X и необязательным массивом Y.
pairwise.polynomial_kernel	Вычислить полиномиальное ядро между X и Y.
pairwise.rbf_kernel	Вычислить rbf (гауссово) ядро между X и Y.
pairwise.sigmoid_kernel	Вычислить сигмоидное ядро между X и Y.
pairwise_distances	Вычислить матрицу расстояний из массива признаков X и необязательного Y.
pairwise_distances_argmin	Вычислить минимальные расстояния между одной точкой и набором точек.
pairwise_distances_argmin_min	Вычислить минимальные расстояния между одной точкой и набором точек.
pairwise_distances_chunked	Генерировать матрицу расстояний по частям с возможным сокращением.

Построение графиков

Руководство пользователя. См. Визуализации раздел для дальнейших деталей.

ConfusionMatrixDisplay	Визуализация матрицы ошибок.
DetCurveDisplay	Визуализация кривой компромисса ошибок обнаружения (DET).
PrecisionRecallDisplay	Визуализация Precision Recall.
PredictionErrorDisplay	Визуализация ошибки предсказания регрессионной модели.
RocCurveDisplay	Визуализация ROC-кривой.