► KerasRS / API 文档 / 指标 / MeanReciprocalRank 指标

平均倒数排名指标

`MeanReciprocalRank` 类

keras_rs.metrics.MeanReciprocalRank(
    k: int | None = None,
    shuffle_ties: bool = True,
    seed: int | keras.src.random.seed_generator.SeedGenerator | None = None,
    **kwargs: Any
)

计算平均倒数秩 (MRR)。

此指标用于评估排序质量。它关注的是单个最高分相关项的排名位置。该指标将 y_true 中的真实相关性标签（相关性的二进制指示符 (0 或 1)）与 y_pred 中的预测分数进行处理。y_pred 中的分数用于通过降序排序来确定项目的排名顺序。分数范围从 0 到 1，其中 1 表示第一个相关项始终排在第一位。

对于 y_pred 中的每个预测分数列表 s 和 y_true 中对应的真实标签列表 y，每个查询的 MRR 分数计算如下：

MRR(y, s) = max_{i} y_{i} / rank(s_{i})

报告的最终 MRR 分数通常是数据集中所有查询/列表的这些每个查询分数的加权平均值。

注意：sample_weight 对于排名指标的处理方式不同。对于批处理输入，sample_weight 可以是标量、1D 或 2D。标量情况和 1D 情况（列表式权重）很直接。2D 情况（项式权重）不同，因为样本权重会聚合以获得 1D 权重。有关更多详细信息，请参阅 keras_rs.src.metrics.ranking_metrics_utils.get_list_weights。

参数

k: int。要考虑的排名前 k 个项目的数量（“top-k”中的“k”）。必须是正整数。
shuffle_ties: bool。是否在排序前随机打乱分数。这样做是为了打破平局。默认为 True。
seed: int。用于打乱的随机种子。
name: 损失实例的可选名称。
dtype: 指标计算的数据类型。默认为 None，表示使用 keras.backend.floatx()。keras.backend.floatx() 默认为 "float32"，除非通过 keras.backend.set_floatx() 设置为其他值。如果提供了 keras.DTypePolicy，则将使用 compute_dtype。

示例

>>> batch_size = 2
>>> list_size = 5
>>> labels = np.random.randint(0, 2, size=(batch_size, list_size))
>>> scores = np.random.random(size=(batch_size, list_size))
>>> metric = keras_rs.metrics.MeanReciprocalRank()(
...     y_true=labels, y_pred=scores
... )

屏蔽某些元素（可用于不均匀输入）

>>> batch_size = 2
>>> list_size = 5
>>> labels = np.random.randint(0, 2, size=(batch_size, list_size))
>>> scores = np.random.random(size=(batch_size, list_size))
>>> mask = np.random.randint(0, 2, size=(batch_size, list_size), dtype=bool)
>>> metric = keras_rs.metrics.MeanReciprocalRank()(
...     y_true={"labels": labels, "mask": mask}, y_pred=scores
... )

平均倒数排名指标

MeanReciprocalRank 类

平均倒数排名指标

MeanReciprocalRank 类

`MeanReciprocalRank` 类