coverage_error

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

覆盖误差测量。

计算我们需要了解排名分数才能涵盖所有真实标签。最佳值等于中标签的平均数量 y_true 每个样本。

关系在 y_scores 通过给出分配给所有绑定值的最大排名来打破。

注意：我们的实现评分比Tsoumakas等人给出的评分高1分，2010.这将其扩展到处理实例具有0个真标签的退化情况。

阅读更多的 User Guide .

参数:

y_true数组状的形状（n_samples，n_labels）

二进制指示符格式的真正二进制标签。

y_score数组状的形状（n_samples，n_labels）

目标分数可以是正类别的概率估计、置信值或决策的非阈值测量（如某些分类器上的“decision_function”返回的）。为 decision_function 分数、大于或等于零的值应表示阳性类别。

sample_weight形状类似数组（n_samples，），默认=无

样本重量。

返回:

coverage_error浮子

覆盖范围错误。

引用

[1]

祖马卡斯，G.，卡塔基斯岛&弗拉哈瓦斯岛（2010）。挖掘多标签数据。在数据挖掘和知识发现手册中（pp. 667-685）。斯普林格美国。

示例

>>> from sklearn.metrics import coverage_error
>>> y_true = [[1, 0, 0], [0, 1, 1]]
>>> y_score = [[1, 0, 0], [0, 1, 1]]
>>> coverage_error(y_true, y_score)
np.float64(1.5)