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:
Python3
# 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:
Python3
# 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:
Python3
# 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.
Publicación traducida automáticamente
Artículo escrito por adityakumar27200 y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA