Python sklearn中以度量作为参数的回归分数

我正在寻找sklearn解决方案，以便在事先不知道度量的情况下获得回归分数，这样我就可以做类似的事情

score = regression_score(y_true, y_pred, metric="mean_squared_error")

现在我正在使用多个if语句和对不同函数的调用，这些函数看起来很难看，例如

if metric == "mean_squared_error":
   score = sklearn.metrics.mean_squared_error(y_true, y_pred)
if metric == "neg_mean_squared_error:
   ...

---

您可以使用

getattr

加载所需的函数。请使用下面修改过的功能：

import sklearn.metrics

def regression_score(y_true, y_pred, metric):
    function = getattr(sklearn.metrics, metric)
    return function(y_true, y_pred)

样本输出

因此，基本上，您只有一个函数，没有执行工作的

if

条件

---

希望这有帮助

我不确定我是否理解，你的意思是能够根据iterable性能标准保存变量？@CeliusStingher不，这意味着我不想为不同的指标调用不同的函数，而是调用一个带有变量参数的函数。我认为这看起来不一定难看。。。如果它已经包装在一个回归分数中，然后整齐地调用您的实际代码，那么如何使它变得更优雅呢？嗨，@YohanRoth，如果您认为下面的答案是合适的，我恳请您接受它作为一个验证的答案，因为它有助于其他用户将来可能会研究这个问题。

import numpy as np
y_true = np.array([2,3,4,1])
y_pred = np.array([1,3,1,2])

regression_score(y_true,y_pred,"mean_absolute_error")
1.25

regression_score(y_true,y_pred,"mean_squared_error")
2.75