label_ranking_average_precision_score

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

Вычисление средневзвешенной точности на основе ранжирования.

Средневзвешенная точность на основе ранжирования меток (LRAP) — это среднее значение по каждой метке истинного значения, назначенной каждому образцу, отношения истинного к общему числу меток с более низким значением.

Этот показатель используется в задачах многоклассового ранжирования, где цель состоит в том, чтобы лучше ранжировать метки, связанные с каждым образцом.

Полученное значение всегда строго больше 0, а наилучшее значение равно 1.

Дополнительную информацию см. в Руководстве пользователя.

Параметры:

y_true{массив, разреженная матрица} формы (n_samples, n_labels)

Истинные бинарные метки в формате бинарных индикаторов.

y_scoreмассив формы (n_samples, n_labels)

Целевые оценки, которые могут представлять собой оценки вероятностей положительного класса, значения уверенности или не пороженные значения решений (как возвращается методом «decision_function» для некоторых классификаторов). Для оценок decision_function значения, большие или равные нулю, должны указывать на положительный класс.

sample_weightмассив формы (n_samples,), по умолчанию=None

Веса образцов.

Добавлен в версии 0.20.

Возвращает:

scorefloat

Значение средневзвешенной точности на основе ранжирования.

Примеры

>>> 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...)