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。

标签排名平均精确度（LRAP）是分配给每个样本的每个基本真相标签的平均值，即真实标签与得分较低的总标签之比。

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。

得到的分数总是严格大于0，最佳值为1。

阅读更多的 User Guide .

参数:

y_true{array-like, sparse matrix} of shape (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。

Added in version 0.20.

返回:

score浮子

基于排名的平均精度得分。

示例

>>> 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...)