ERROR_RATE

使用输入表返回一个计算错误分类率并将其显示为 FLOAT 值的表。 ERROR_RATE 返回具有以下维度的表：

• 行：类数加上包含跨类总错误率的一行

• 列：2

语法

ERROR_RATE ( targets, predictions [ USING PARAMETERS num_classes = num‑classes ] ) OVER()

参数

实参 targets 和 predictions 必须设置为数据类型相同的输入列，即以下之一：INTEGER、BOOLEAN 或 CHAR/VARCHAR。根据数据类型，这些列将按如所示标识类：

• INTEGER：从零开始的连续整数（介于 0 和 (num-classes-1) 之间），其中 num-classes 为类数。例如，给定以下输入列值 — {0, 1, 2, 3, 4} — Vertica 假定有五个类。

  注意

  如果输入列值不连续，Vertica 将插入缺失值。因此，给定以下输入值 — {0, 1, 3, 5, 6,} — Vertica 假设有七个类。

• BOOLEAN：“是”或“否”

• CHAR/VARCHAR：类名。如果输入列的类型为 CHAR/VARCHAR 列，则还必须将参数 num_classes 设置为类数。

  注意

  Vertica 将类数计算为两个输入列中值的并集。例如，假如 targets 和 predictions 中的值集输入列为如下所示，则 Vertica 将计为四个类：

  {'milk', 'soy milk', 'cream'}
  {'soy milk', 'almond milk'}
  

参数

num_classes

一个整数 > 1，指定要传递给该函数的类数。

如果指定的输入列为 CHAR/VARCHAR 类型，则必须设置此参数。否则，该函数将根据列数据类型处理此参数：

• INTEGER：默认设置为 2，如果类数为任何其他值，则必须正确设置此参数。

• BOOLEAN：默认设置为 2，不能设置为任何其他值。

特权

非超级用户：模型所有者或模型的使用权限

示例

此示例说明如何对名为 mtcars 的输入表执行 ERROR_RATE 函数。obs 列中显示响应变量，而 pred 列中显示预测值。由于该示例是一个分类问题，因此所有的响应变量值和预测变量值都是 0 或 1，表示二元分类。

在函数返回的表中，第一列显示类 ID 列。第二列显示该类 ID 的相应错误率。第三列表示该函数成功使用了多少行以及是否忽略了任何行。

=> SELECT ERROR_RATE(obs::int, pred::int USING PARAMETERS num_classes=2) OVER()
    FROM (SELECT am AS obs, PREDICT_LOGISTIC_REG (mpg, cyl, disp, drat, wt, qsec, vs, gear, carb
                USING PARAMETERS model_name='myLogisticRegModel', type='response') AS pred
             FROM mtcars) AS prediction_output;
 class |     error_rate     |                   comment
-------+--------------------+---------------------------------------------
     0 |                  0 |
     1 | 0.0769230797886848 |
       |            0.03125 | Of 32 rows, 32 were used and 0 were ignored
(3 rows)