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)