sklearn.metrics.label_ranking_loss¶
sklearn.metrics.label_ranking_loss(y_true, y_score, *, sample_weight=None)
计算排名损失度量
根据标签集的大小和不在标签集中的标签数给定y_score加权，计算出错误排列的标签对的平均数量。
这类似于错误集的大小，但由相关标签和不相关标签的数量加权。等级损失为零时可获得最佳性能。
在用户指南中阅读更多内容。
版本0.17中的新功能：函数label_ranking_loss
| 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。 |
| 返回值 | 说明 |
|---|---|
| loss | 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.
