label_ranking_loss

sklearn.metrics.label_ranking_loss(y_true, y_score, *, sample_weight=None)[исходный код]

Вычисляет меру потерь ранжирования.

Вычисляет среднее число пар меток, неправильно упорядоченных согласно y_score, с весами, определяемыми размером набора меток и числом меток, не входящих в этот набор.

Это похоже на размер множества ошибок, но с весами, определяемыми числом релевантных и нерелевантных меток. Наилучший результат достигается при нулевых потерях ранжирования.

Подробнее см. в руководстве пользователя.

Добавлено в версии 0.17: функция label_ranking_loss

Параметры:

y_true{array-like, sparse matrix} of shape (n_samples, n_labels)

Истинные бинарные метки в формате индикатора меток.

y_scorearray-like of shape (n_samples, n_labels)

Оценки целевых значений: оценки вероятности положительного класса или значения решения без пороговой обработки (возвращаемые методом decision_function некоторых классификаторов). Для оценок decision_function значения, большие или равные нулю, должны указывать на положительный класс.

sample_weightarray-like of shape (n_samples,), default=None

Веса выборок.

Возвращает:

lossfloat

Среднее число пар меток, неправильно упорядоченных согласно y_score, с весами, определяемыми размером набора меток и числом меток, не входящих в этот набор.

Ссылки

[1]

Tsoumakas, G., Katakis, I., & Vlahavas, I. (2010). Анализ данных с несколькими метками. В справочнике по интеллектуальному анализу данных и обнаружению знаний (с. 667–685). Springer US.

Примеры

>>> from sklearn.metrics import label_ranking_loss
>>> y_true = [[1, 0, 0], [0, 0, 1]]
>>> y_score = [[0.75, 0.5, 1], [1, 0.2, 0.1]]
>>> label_ranking_loss(y_true, y_score)
0.75