定義競賽評估指標
Kaggle 會使用競賽評估指標來評估你的送出結果。此外，你也需要在本地的驗證集上衡量不同模型的表現。
現在，你的目標是手動實作幾個競賽評估指標，以防 sklearn.metrics 中沒有提供。
你將特別定義：
迴歸問題的均方誤差（Mean Squared Error，MSE）： $$MSE = \frac{1}{N}\sum_{i=1}^{N}{(y_i - \hat{y}_i)^2}$$
二元分類問題的對數損失（Logarithmic Loss，LogLoss）： $$LogLoss = -\frac{1}{N}\sum_{i=1}^{N}{(y_i\ln p_i + (1-y_i)\ln (1-p_i))}$$
本練習屬於課程
用 Python 拿下 Kaggle 競賽
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
import numpy as np
# Import MSE from sklearn
from sklearn.metrics import mean_squared_error
# Define your own MSE function
def own_mse(y_true, y_pred):
# Raise differences to the power of 2
squares = np.____(y_true - y_pred, 2)
# Find mean over all observations
err = np.____(squares)
return err
print('Sklearn MSE: {:.5f}. '.format(mean_squared_error(y_regression_true, y_regression_pred)))
print('Your MSE: {:.5f}. '.format(own_mse(y_regression_true, y_regression_pred)))