Python sklearn label_ranking_average_precision_score用法及代碼示例

本文簡要介紹python語言中 sklearn.metrics.label_ranking_average_precision_score 的用法。

用法:

sklearn.metrics.label_ranking_average_precision_score(y_true, y_score, *, sample_weight=None)

計算基於排名的平均精度。

標簽排名平均精度 (LRAP) 是分配給每個樣本的每個真實標簽的平均值，即真實標簽與得分較低的總標簽的比率。

該指標用於多標簽排名問題，其目標是為與每個樣本關聯的標簽提供更好的排名。

獲得的分數始終嚴格大於 0，最佳值為 1。

在用戶指南中閱讀更多信息。

參數：

y_true：{ndarray, 稀疏矩陣} 形狀 (n_samples, n_labels)

二進製指標格式的真正二進製標簽。

y_score：ndarray 形狀(n_samples，n_labels)

目標分數，可以是正類的概率估計、置信度值或決策的非閾值度量(如在某些分類器上由 “decision_function” 返回)。

sample_weight：形狀類似數組 (n_samples,)，默認=None

樣本權重。

返回：

score：浮點數

例子：

>>> import numpy as np
>>> from sklearn.metrics import label_ranking_average_precision_score
>>> y_true = np.array([[1, 0, 0], [0, 0, 1]])
>>> y_score = np.array([[0.75, 0.5, 1], [1, 0.2, 0.1]])
>>> label_ranking_average_precision_score(y_true, y_score)
0.416...