BinomialDeviance损失函数中损失函数计算错误

[zhang2010hao]

你好，个人认为，BinomialDeviance损失函数中，计算loss的公式有问题，类似于sklearn包中的损失计算，此处的正确的公式应该是：-2.0（yf - log（1 + exp(f)）），代码中是-2.0（yf - （1 + exp(f)））

[zhang2010hao]

上一条有问题，你好，个人认为，BinomialDeviance损失函数中，计算loss的公式有问题，类似于sklearn包中的损失计算，此处的正确的公式应该是：-2.0（yf - log（1 + exp(f)）），代码中是-2.0（yf - exp(1+f)）

[wmymartin]

"""Compute the deviance (= 2 * negative log-likelihood).

    Parameters
    ----------
    y : array, shape (n_samples,)
        True labels

    pred : array, shape (n_samples,)
        Predicted labels

    sample_weight : array-like, shape (n_samples,), optional
        Sample weights.
    """
    # logaddexp(0, v) == log(1.0 + exp(v))
    pred = pred.ravel()
    if sample_weight is None:
        return -2.0 * np.mean((y * pred) - np.logaddexp(0.0, pred))
    else:
        return (-2.0 / sample_weight.sum() *
                np.sum(sample_weight * ((y * pred) - np.logaddexp(0.0, pred))))

我也觉得BinomialDeviance损失函数有问题，sklearn中代码是这么写的。