AbstractScorer 类

所有计分器的基类。

继承

ABC

AbstractScorer

构造函数

AbstractScorer(metric_name: str, task: str, *args: Any, **kwargs: Any)

参数

metric_name

task

方法

calculate_lift	重写此方法以进行提升计算。 应在不同列上运行的所有不同转换之间进行一次同类比较。 输出应类似于相对分数增加或相对误差改进
is_experiment_better_than_baseline	重写以提供两个试验输出之间的比较。
is_experiment_score_better	如果 experiment_score 比 baseline_score_with_mod 好，则返回 true。
score	重写此方法以进行分数计算。 计算估计器的性能。

calculate_lift

重写此方法以进行提升计算。

应在不同列上运行的所有不同转换之间进行一次同类比较。 输出应类似于相对分数增加或相对误差改进

abstract calculate_lift(baseline_score: float, experiment_score: float) -> float

参数

baseline_score

必需

experiment_score

必需

is_experiment_better_than_baseline

重写以提供两个试验输出之间的比较。

abstract is_experiment_better_than_baseline(baseline_score: float, experiment_score: float, epsilon: float, **kwargs: Any) -> bool

参数

baseline_score

必需

基线分数。

experiment_score

必需

试验分数。

epsilon

必需

被视为增益/损失的最小增量。

kwargs

必需

与特定评分器相关的关键字参数。

返回

实验分数是否比基线更好。

is_experiment_score_better

如果 experiment_score 比 baseline_score_with_mod 好，则返回 true。

is_experiment_score_better(baseline_score_with_mod: float, experiment_score: float) -> bool

参数

baseline_score_with_mod

必需

带有 stat sig mod 的 baseline_score，例如 baseline_score + epsilon

experiment_score

必需

我们要试验的转换评分，用于确定是否有改进。

score

重写此方法以进行分数计算。

计算估计器的性能。

abstract score(estimator: sklearn.base.BaseEstimator, valid_features: numpy.ndarray, y_actual: numpy.ndarray) -> float

参数

estimator

必需

valid_features

必需

y_actual

必需