python - 解释sklearn.metrics.mean_absolute_error中`multioutput=[0.3, 0.7]`的底层处理
问题描述
基于文档
mean_absolute_error 函数计算平均绝对误差,这是一个风险度量,对应于绝对误差损失或 L1 范数损失的预期值。
我了解 2 个“向量”的过程
>>> from sklearn.metrics import mean_absolute_error
>>> y_true = [3, -0.5, 2, 7]
>>> y_pred = [2.5, 0.0, 2, 8]
>>> mean_absolute_error(y_true, y_pred)
也就是将每个向量中所有对等元素之间的绝对差相加,然后除以向量的长度。
此代码正是 sklearn.mean_absolute_error 对 2 个“向量”的基础处理
res = 0
for t,p in zip(y_true, y_pred):
res = res + np.abs(t-p)
res/4
我无法理解的是这个处理
>>> mean_absolute_error(y_true, y_pred, multioutput=[0.3, 0.7])
0.85
有人可以说明multioutput=[0.3, 0.7]
零件的基本处理吗?
解决方案
在同一个文档页面上对其进行了更高的解释。
如果你想明确地看到它的作用,你可以在源代码中看到它:mean_absolute_error()
通过调用权重等于的 numpyaverage()
multioutput
函数结束。
因此multioutput
,这只是一种说明mean_absolute_error()
,在计算平均误差时,某些数量上的误差应该比其他数量更多地计入该平均值。
推荐阅读
- amazon-web-services - 连续 AWS-IoT 作业触发器
- java - 制作聊天应用程序 Java 套接字时出现问题
- python - 模块 * 没有属性 * 使用鼻子测试
- javascript - 节点获取 JSON 问题
- list - 如何在 OCaml 中打印特定索引列表列表?
- android - onStartJob 没有在 API 30 上被调用
- c# - c# DocumentLoadedEvent 没有触发
- r - R中逻辑回归中的子集
- macos - 我在 Mac 中的 VScode 上不断收到此错误。我什至尝试重新安装它和扩展,但它不起作用
- javascript - 如何使用 async-await 使部分代码等到另一部分完成