Python中的 sklearn.metrics.max_error()函数

max_error()函数计算最大残差。捕获预测值和真实值之间最坏情况误差的度量。此函数比较列表、元组或数据框的每个元素（按索引），并返回不匹配元素的计数。

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

Parameters:

y_true: It accepts the true (correct) target values.

y_pred: It accepts the estimate target value.

Returns:

max_error:<float>: A positive floating-point value.

示例 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))

输出 ：

2

在上面的示例中，列表y_true和y_pred中的元素仅在索引 0 和 2 处不同。因此， 2 是max_error 。

示例 2：

蟒蛇3

# 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))

输出 ：

UFuncTypeError: ufunc ‘subtract’ did not contain a loop with signature
matching types (dtype(‘ dtype(‘

为了使用max_error()，列表、元组、数据框等的元素应该是相似的类型。

示例 3：

蟒蛇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))

输出 ：

8

在这里，只有 1 个匹配的元素。