宏平均绝对误差

imblearn.metrics.macro_averaged_mean_absolute_error(y_true, y_pred, *, sample_weight=None)

计算不平衡有序分类的宏平均MAE。

此函数计算每个类别的MAE并取平均值，每个类别的权重相等。

更多信息请参阅用户指南。

在版本0.8中添加。

Parameters:

y_truearray-like of shape (n_samples,) or (n_samples, n_outputs)

真实（正确）目标值。

y_predarray-like of shape (n_samples,) or (n_samples, n_outputs)

分类器返回的估计目标。

sample_weightarray-like of shape (n_samples,), default=None

样本权重。

Returns:

lossfloat or ndarray of floats

宏平均MAE输出是非负浮点数。 最佳值为0.0。

示例

>>> import numpy as np
>>> from sklearn.metrics import mean_absolute_error
>>> from imblearn.metrics import macro_averaged_mean_absolute_error
>>> y_true_balanced = [1, 1, 2, 2]
>>> y_true_imbalanced = [1, 2, 2, 2]
>>> y_pred = [1, 2, 1, 2]
>>> mean_absolute_error(y_true_balanced, y_pred)
0.5
>>> mean_absolute_error(y_true_imbalanced, y_pred)
0.25
>>> macro_averaged_mean_absolute_error(y_true_balanced, y_pred)
0.5
>>> macro_averaged_mean_absolute_error(y_true_imbalanced, y_pred)
0.16...