指标¶
我们支持一些用于 分类 和 回归 的指标。这些指标与NumPy兼容，因此您可以自由地使用自己的指标并将其应用于Fortuna的预测。
- fortuna.metric.classification.accuracy(preds, targets)[来源]¶
根据预测和目标变量计算准确率。
- Parameters:
preds (Array) – 数据点的一维预测数组。
targets (Array) – 目标变量的一维数组。
- Returns:
计算出的准确率。
- Return type:
jnp.ndarray
- fortuna.metric.classification.brier_score(probs, targets)[来源]¶
Brier分数（参见Brier, 1950）。这可以用于二分类和多分类问题。
- Parameters:
probs (数组) – 每个数据点的类别概率的一维或二维数组。
targets (Array) – 目标变量的一维数组。
- Returns:
Brier分数。
- Return type:
jnp.ndarray
- fortuna.metric.classification.ece(preds, probs, targets, plot=False, plot_options=None)[来源]¶
参见
expected_calibration_error()。- Return type:
Array
- fortuna.metric.classification.expected_calibration_error(preds, probs, targets, plot=False, plot_options=None)[来源]¶
计算期望校准误差（ECE） （参见 Naeini 等人，2015 和 Guo 等人，2017）。可选地，绘制并保存可靠性 图表。
- Parameters:
preds (Array) – 数据点的一维预测数组。
probs (数组) – 每个数据点的类别概率的二维数组。
targets (Array) – 目标变量的一维数组。
plot (bool) – 是否绘制可靠性图表。
plot_options (dict) – 可靠性图绘制的选项；参见
plot_reliability_diagram()。
- Returns:
ECE的值。
- Return type:
jnp.ndarray
- fortuna.metric.classification.maximum_calibration_error(preds, probs, targets, plot=False, plot_options=None)[来源]¶
计算最大校准误差（MCE） （参见 Naeini et al., 2015）。可选地，绘制 并保存可靠性图。
- Parameters:
preds (Array) – 数据点的一维预测数组。
probs (数组) – 每个数据点的类别概率的二维数组。
targets (Array) – 目标变量的一维数组。
plot (bool) – 是否绘制可靠性图表。
plot_options (dict) – 可靠性图绘制的选项；参见
plot_reliability_diagram()。
- Returns:
MCE的值。
- Return type:
jnp.ndarray
- fortuna.metric.classification.mce(preds, probs, targets, plot=False, plot_options=None)[来源]¶
参见
maximum_calibration_error()。- Return type:
Array
- fortuna.metric.regression.mean_absolute_error(preds, targets)[来源]¶
计算平均绝对误差（MAE）。
- Parameters:
preds (Array) – 数据点的预测二维数组。
targets (Array) – 目标变量的二维数组。
- Returns:
计算得到的MAE。
- Return type:
数组
- fortuna.metric.regression.mean_squared_error(preds, targets)[来源]¶
计算均方误差（MSE）。
- Parameters:
preds (Array) – 数据点的预测二维数组。
targets (Array) – 目标变量的二维数组。
- Returns:
计算出的均方误差。
- Return type:
数组
- fortuna.metric.regression.picp(lower_bounds, upper_bounds, targets)[来源]¶
参见
prediction_interval_coverage_probability()。- Return type:
float
- fortuna.metric.regression.prediction_interval_coverage_probability(lower_bounds, upper_bounds, targets)[来源]¶
计算预测区间覆盖概率（PICP）。这是真实目标值位于估计区间内的数据点的比例。此功能仅支持标量目标数据。
- Parameters:
lower_bounds (Array) – 预测下界。这些是估计预测区间的下界。这可以是一个一维数组，每个条目对应不同的数据点，或者是一个二维数组，第一轴对应不同的数据点，第二轴只有一个维度。
upper_bounds (Array) – 预测上界。这些是估计预测区间的上界。这可以是一个一维数组，每个条目对应不同的数据点，或者是一个二维数组，第一轴对应不同的数据点，第二轴只有一个维度。
targets (Array) – 一个二维的目标变量数组，或者一个第二维大小为1的一维数组。
- Returns:
计算得到的PICP。
- Return type:
数组
- fortuna.metric.regression.rmae(preds, targets)[来源]¶
参见
root_mean_absolute_error()。- Return type:
float