sklearn.metrics.coverage_error

sklearn.metrics.coverage_error()

Medida de error de cubierta.

Calcula hasta dónde tenemos que llegar a través de los puntajes clasificados para cubrir todas las etiquetas verdaderas. El mejor valor es igual al número promedio de etiquetas en y_true por muestra.

Los empates en y_scores son rotos dando un rango máximo que sería asignado a todos los valores empatados.

Nota: La puntuación de nuestra implementación es 1 mayor que la dada en Tsoumakas et al., 2010. Esto lo amplía para manejar el caso degenerado en el que una instancia tiene 0 etiquetas verdaderas.

Más información en el Manual de usuario.

Parámetros

y_truendarray de forma (n_samples, n_labels)

Etiquetas binarias verdaderas en formato de indicador binario.

y_scorendarray de forma (n_samples, n_labels)

Los puntajes objetivo, pueden ser estimados de probabilidad de la clase positiva, valores de confianza, o una medida sin umbrales de decisiones (como es devuelva por «decision_function» en algunos clasificadores).

sample_weightarray-like de forma (n_samples,), default=None

Ponderados de muestras.

Devuelve

coverage_errorflotante

Referencias

1

Tsoumakas, G., Katakis, I., & Vlahavas, I. (2010). Mining multi-label data. In Data mining and knowledge discovery handbook (pp. 667-685). Springer US.