sklearn.metrics.label_ranking_average_precision_score?
sklearn.metrics.label_ranking_average_precision_score(y_true, y_score, *, sample_weight=None)
計算基于排名的平均精度
標簽排名平均精度（LRAP）是分配給每個樣本的每個真實標簽的平均值，即真實標簽與總評分較低的標簽之比。
此指標用于多標簽排名問題，目的是為與每個樣本相關的標簽提供更好的排名。
獲得的分數始終嚴格大于0，最佳值為1。
在用戶指南中閱讀更多內容。
| 參數 | 說明 |
|---|---|
| y_true | array or sparse matrix, 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。 在0.20版本中更新。 |
| 返回值 | 說明 |
|---|---|
| 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...