26binaryRocAuc(
const Eigen::VectorXd& scores,
const Eigen::VectorXd& labels);
42rocAuc(
const Eigen::MatrixXd& scores,
const Eigen::MatrixXd& labels);
55 virtual ~Score() =
default;
63 virtual bool isWorse(
double other,
double current)
const = 0;
84 virtual double eval(
const Eigen::MatrixXd& eta,
85 const Eigen::MatrixXd& y,
86 const std::unique_ptr<Loss>& loss)
const = 0;
93 static std::unique_ptr<Score>
create(
const std::string& metric);
112 bool isWorse(
double a,
double b)
const override;
137 bool isWorse(
double a,
double b)
const override;
168 double eval(
const Eigen::MatrixXd& eta,
169 const Eigen::MatrixXd& y,
170 const std::unique_ptr<Loss>&)
const override;
198 double eval(
const Eigen::MatrixXd& eta,
199 const Eigen::MatrixXd& y,
200 const std::unique_ptr<Loss>&)
const override;
226 double eval(
const Eigen::MatrixXd& eta,
227 const Eigen::MatrixXd& y,
228 const std::unique_ptr<Loss>& loss)
const override;
256 double eval(
const Eigen::MatrixXd& eta,
257 const Eigen::MatrixXd& y,
258 const std::unique_ptr<Loss>& loss)
const override;
282 double eval(
const Eigen::MatrixXd& eta,
283 const Eigen::MatrixXd& y,
284 const std::unique_ptr<Loss>& loss)
const override;
314 double eval(
const Eigen::MatrixXd& eta,
315 const Eigen::MatrixXd& y,
316 const std::unique_ptr<Loss>& loss)
const override;
Area Under the ROC Curve (AUC-ROC) scoring metric.
double eval(const Eigen::MatrixXd &eta, const Eigen::MatrixXd &y, const std::unique_ptr< Loss > &loss) const override
Classification Accuracy scoring metric.
double eval(const Eigen::MatrixXd &eta, const Eigen::MatrixXd &y, const std::unique_ptr< Loss > &loss) const override
double eval(const Eigen::MatrixXd &eta, const Eigen::MatrixXd &y, const std::unique_ptr< Loss > &loss) const override
Mean Absolute Error (MAE) scoring metric.
double eval(const Eigen::MatrixXd &eta, const Eigen::MatrixXd &y, const std::unique_ptr< Loss > &) const override
Mean Squared Error (MSE) scoring metric.
double eval(const Eigen::MatrixXd &eta, const Eigen::MatrixXd &y, const std::unique_ptr< Loss > &) const override
Scoring metric that aims to maximize the score value.
bool isWorse(double a, double b) const override
double initValue() const override
Scoring metric that aims to minimize the score value.
double initValue() const override
bool isWorse(double a, double b) const override
Misclassification Rate scoring metric.
double eval(const Eigen::MatrixXd &eta, const Eigen::MatrixXd &y, const std::unique_ptr< Loss > &loss) const override
Base class for scoring metrics used in regularized generalized linear regression.
std::function< bool(double, double)> getComparator() const
virtual bool isWorse(double other, double current) const =0
static std::unique_ptr< Score > create(const std::string &metric)
virtual double eval(const Eigen::MatrixXd &eta, const Eigen::MatrixXd &y, const std::unique_ptr< Loss > &loss) const =0
virtual double initValue() const =0
The declartion of the Objctive class and its subclasses, which represent the data-fitting part of the...
Namespace containing SLOPE regression implementation.
double binaryRocAuc(const Eigen::VectorXd &scores, const Eigen::VectorXd &labels)
double rocAuc(const Eigen::MatrixXd &scores, const Eigen::MatrixXd &labels)