label_ranking_average_precision_score

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

计算基于排名的平均精度。

标签排名平均精度（LRAP）是分配给每个样本的每个真实标签的平均值，比率是真实标签与得分较低的总标签数。

该指标用于多标签排名问题，目标是为与每个样本相关的标签提供更好的排名。

获得的分数总是严格大于0，最佳值为1。

更多信息请参阅 用户指南 。

Parameters:

y_true{array-like, sparse matrix}，形状为 (n_samples, n_labels)

真实二进制标签，以二进制指示符格式表示。

y_scorearray-like，形状为 (n_samples, n_labels)

目标分数，可以是正类的概率估计、置信值或非阈值决策度量（如某些分类器中的“decision_function”返回的值）。

sample_weightarray-like，形状为 (n_samples,)，默认=None

样本权重。

Added in version 0.20.

Returns:

scorefloat

基于排名的平均精度分数。

Examples

>>> 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...