mean_squared_error#

sklearn.metrics.mean_squared_error(y_true, y_pred, *, sample_weight=None, multioutput='uniform_average')[источник]#

Среднеквадратичная ошибка регрессии.

Подробнее в Руководство пользователя.

Параметры:

y_truearray-like формы (n_samples,) или (n_samples, n_outputs)

Истинные (правильные) целевые значения.

y_predarray-like формы (n_samples,) или (n_samples, n_outputs)

Оцененные целевые значения.

sample_weightarray-like формы (n_samples,), по умолчанию=None

Веса выборок.

multioutput{‘raw_values’, ‘uniform_average’} или массив формы (n_outputs,), по умолчанию ‘uniform_average’

Определяет агрегирование нескольких выходных значений. Массивоподобное значение определяет веса, используемые для усреднения ошибок.

'raw_values' :: Возвращает полный набор ошибок в случае многоцелевого ввода.
'uniform_average' :: Ошибки всех выходов усредняются с равным весом.

Возвращает:

потеряfloat или массив floats: Неотрицательное значение с плавающей точкой (лучшее значение — 0.0) или массив значений с плавающей точкой, по одному для каждой целевой переменной.

Примеры

>>> from sklearn.metrics import mean_squared_error
>>> y_true = [3, -0.5, 2, 7]
>>> y_pred = [2.5, 0.0, 2, 8]
>>> mean_squared_error(y_true, y_pred)
0.375
>>> y_true = [[0.5, 1],[-1, 1],[7, -6]]
>>> y_pred = [[0, 2],[-1, 2],[8, -5]]
>>> mean_squared_error(y_true, y_pred)
0.708...
>>> mean_squared_error(y_true, y_pred, multioutput='raw_values')
array([0.41666667, 1.        ])
>>> mean_squared_error(y_true, y_pred, multioutput=[0.3, 0.7])
0.825...