sklearn.metrics.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，即真实标签与总评分较低的标签之比。
此指标用于多标签排名问题，目的是为与每个样本相关的标签提供更好的排名。
获得的分数始终严格大于0，最佳值为1。
在用户指南中阅读更多内容。
| 参数 | 说明 |
|---|---|
| y_true | array or sparse matrix, 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。 在0.20版本中更新。 |
| 返回值 | 说明 |
|---|---|
| score | float |
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)
0.416...
