función sklearn.metrics.max_error() en Python

La función max_error() calcula el error residual máximo. Una métrica que captura el peor de los casos de error entre el valor predicho y el valor real. Esta función compara cada elemento (índice sabio) de ambas listas, tuplas o marcos de datos y devuelve el recuento de elementos no coincidentes.

Sintaxis: sklearn.metrics.max_error(y_true, y_pred)

Parámetros:

y_true : Acepta los valores objetivo verdaderos (correctos).

y_pred: Acepta el valor objetivo estimado.

Devoluciones:

max_error:< float > : Un valor de punto flotante positivo.

Ejemplo 1:

# Import required module
from sklearn.metrics import max_error
  
# Assign data
y_true = [6, 2, 5, 1]
y_pred = [4, 2, 7, 1]
  
# Compute max_error
print(max_error(y_true, y_pred))

Producción :

2

En el ejemplo anterior, los elementos en las listas y_true y y_pred son diferentes en el índice 0 y 2 únicamente. Por lo tanto, 2 es el max_error .

Ejemplo 2:

# Import required module
from sklearn.metrics import max_error
  
# Assign data
y_true = [3.13,'GFG',56,57667]
y_pred = ['Geeks','for','Geeks',3000]
  
# Compute max_error
print(max_error(y_true, y_pred))

Producción :

UFuncTypeError: ufunc ‘subtract’ no contenía un bucle con
tipos coincidentes de firma (dtype(‘<U32’), dtype(‘<U32’)) -> dtype(‘<U32’)

Para usar max_error(), los elementos de ambas listas, tupla, marco de datos, etc. deben ser de tipo similar.

Ejemplo 3:

# Import required module
from sklearn.metrics import max_error
  
# Assign data
List = [1, 2, 3, 4, 5, 6, 7, 8, 9]
y_true = List
y_pred = List[::-1]
  
# Compute max_error
print(max_error(y_true, y_pred))

Producción :

8

Aquí, solo hay 1 elemento coincidente.