sklearn.metrics.coverage_error?
sklearn.metrics.coverage_error(y_true, y_score, *, sample_weight=None)
覆蓋誤差測量
計算我們需要經過多大的排名分數才能覆蓋所有真實標簽。最佳值等于每個樣本的y_true中的平均標簽數。
y_scores中的關系通過給出將分配給所有綁定值的最大等級來中斷。
注意：實現的得分比Tsoumakas等人（2010年）給出的得分高1。這擴展了它來處理一個實例有0個真標簽的退化情況。
在用戶指南中閱讀更多內容。
| 參數 | 說明 |
|---|---|
| y_true | array, shape = [n_samples, n_labels] 真正的二進制標簽，采用二進制指示符格式。 |
| y_score | array, shape = [n_samples, n_labels] 目標分數可以是正例類的概率估計值，置信度值或決策的非閾值度量（如某些分類器上的“ decision_function”所返回）。 |
| sample_weight | array-like of shape (n_samples,), default=None 樣本權重。 |
| 返回值 | 說明 |
|---|---|
| coverage_error | float |
參考
1 Tsoumakas, G., Katakis, I., & Vlahavas, I. (2010). Mining multi-label data. In Data mining and knowledge discovery handbook (pp. 667-685). Springer US.