標籤排序平均精確率

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

計算基於排序的平均精確率。

標籤排序平均精確率 (LRAP) 是每個樣本的每個真實標籤的平均值，即較低分數的真實標籤與總標籤的比率。

此度量用於多標籤排序問題，其中目標是對與每個樣本關聯的標籤給予更好的排名。

獲得的分數始終嚴格大於 0，最佳值為 1。

在 使用者指南 中閱讀更多資訊。

參數:

y_true形狀為 (n_samples, n_labels) 的 {類陣列, 稀疏矩陣}

二進位指標格式的真實二進位標籤。

y_score形狀為 (n_samples, n_labels) 的類陣列

目標分數，可以是正類的機率估計、置信度值或非閾值決策度量（由某些分類器的「decision_function」返回）。

sample_weight形狀為 (n_samples,) 的類陣列，預設為 None

樣本權重。

在 0.20 版本中加入。

回傳值:

score浮點數

基於排名的平均精確度分數。

範例

>>> 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)
np.float64(0.416...)