实例——损失函数

一、0－1损失函数

1，常用分类：scikit-learn:train_test_spilt（不能有交集）

2，dataframe——list设计空表，用append添加，使用for循环。

3，x训练，x测试，y训练，y测试＝train_test_spilt（自变量，测试集占比，随机数种子）

4，k折交叉切分

（1）

sklearn.metrics.zero_one_loss(真实值，预测值，[True返回比例，False返回数量]，样本权重，默认为1)
返回：0-1损失函数值

（2）

#库
from sklearn.metrics import zero_one_loss
#数据
y_true=[1,1,1,1,1,0,0,0,0,0]
y_pred=[0,0,0,1,1,1,1,1,0,0]
#结果
print("zero_one_loss<fraction>:",zero_one_loss(y_true,y_pred,normalize=True))
print("zero_one_loss<num>:",zero_one_loss(y_true,y_pred,normalize=False))

（3） 

【out】：

zero_one_loss<fraction>: 0.6
zero_one_loss<num>: 6

二、对数损失函数

（1）

sklearn.metrics.log_loss(真实值，预测值，对数损失函数值，[True均值，False返回损失总和],样本权重，默认为1)
返回：对数损失函数值

（2）

from sklearn.metrics import log_loss
y_true=[1,1,1,1,1,0,0,0,0,0]
y_pred=[0,0,0,1,1,1,1,1,0,0]
print("zero_one_loss<fraction>:",zero_one_loss(y_true,y_pred,normalize=True))
print("zero_one_loss<num>:",zero_one_loss(y_true,y_pred,normalize=False))

（3）

【out】：

log_loss<average>: 0.22839300363692283
log_loss<total>: 1.370358021821537