小编Pav*_*apu的帖子

我是阵列编程的新手，发现很难解释sklearn.metrics label_ranking_average_precision_score函数。需要您的帮助以了解其计算方式，并感谢您学习Numpy数组编程的任何技巧。

通常，我知道精度是
（（正数）/（正数+误数））

我问这个问题的原因是，我偶然发现了Kaggle音频标记竞赛，并发现这篇帖子说，当响应中有多个正确的标签时，他们正在使用LWRAP函数计算分数。我开始阅读以了解该分数是如何计算的，并发现难以解释。我的两个困难是
1）从文档解释Math函数，我不确定分数计算中如何使用排名
2）从代码解释Numpy数组操作
我正在读取的函数来自Google Collab文档，然后尝试阅读文档在sklearn，但无法正确理解。

一个样本计算的代码是

# Core calculation of label precisions for one test sample.

def _one_sample_positive_class_precisions(scores, truth):
  """Calculate precisions for each true class for a single sample.

  Args:
    scores: np.array of (num_classes,) giving the individual classifier scores.
    truth: np.array of (num_classes,) bools indicating which classes are true.

  Returns:
    pos_class_indices: np.array of indices of the true classes for this sample.
    pos_class_precisions: np.array of precisions corresponding to each of those
      classes.
  """ …