sklearn.metrics.label_ranking_loss

sklearn.metrics.label_ranking_loss()

Calcula la medida de pérdida de la clasificación (Ranking loss measure).

Calcula el número promedio de pares de etiquetas que están ordenados incorrectamente dado y_score ponderado por el tamaño del conjunto de etiquetas y el número de etiquetas que no están en el conjunto de etiquetas.

Esto es similar al tamaño del conjunto de errores, pero ponderado por el número de etiquetas relevantes e irrelevantes. El mejor rendimiento se consigue con una pérdida de clasificación de cero.

Leer más en el Manual de Usuario.

Nuevo en la versión 0.17: Una función label_ranking_loss

Parámetros

y_true{ndarray, sparse matrix} de forma (n_samples, n_labels)

Etiquetas binarias verdaderas en formato de indicador binario.

y_scorendarray de forma (n_samples, n_labels)

Las puntuaciones objetivo, pueden ser estimaciones de probabilidad de la clase positiva, valores de confianza, o una medida sin umbral de las decisiones (como la devuelta por «decision_function» en algunos clasificadores).

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

Ponderaciones de muestras.

Devuelve

lossfloat

Referencias

1

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