sklearn.metrics.coverage_error¶
sklearn.metrics.coverage_error(y_true, y_score, *, sample_weight=None)
覆盖误差测量
计算我们需要经过多大的排名分数才能覆盖所有真实标签。最佳值等于每个样本的y_true中的平均标签数。
y_scores中的关系通过给出将分配给所有绑定值的最大等级来中断。
注意：实现的得分比Tsoumakas等人（2010年）给出的得分高1。这扩展了它来处理一个实例有0个真标签的退化情况。
在用户指南中阅读更多内容。
| 参数 | 说明 |
|---|---|
| y_true | array, shape = [n_samples, n_labels] 真正的二进制标签，采用二进制指示符格式。 |
| y_score | array, shape = [n_samples, n_labels] 目标分数可以是正例类的概率估计值，置信度值或决策的非阈值度量（如某些分类器上的“ decision_function”所返回）。 |
| sample_weight | array-like of shape (n_samples,), default=None 样本权重。 |
| 返回值 | 说明 |
|---|---|
| coverage_error | float |
参考
1 Tsoumakas, G., Katakis, I., & Vlahavas, I. (2010). Mining multi-label data. In Data mining and knowledge discovery handbook (pp. 667-685). Springer US.