rankerEval 0.1.0

特点

• 信息检索和top-N推荐系统的大量评估指标
• 灵活的输入格式：支持屏蔽数组和稀疏矩阵
• 通过引导功能内置对置信区间的支持
• 最小依赖项：Numpy（必需），SciPy（可选）

使用

fromrankerevalimportBinaryLabels,Rankings,Recally_true=BinaryLabels.from_positive_indices([[0,2],[0,1,2]])y_pred=Rankings.from_ranked_indices([[2,1],[1]])recall_at_3=Recall(3).mean(y_true,y_pred)print(recall_at_3["score"])

要获得置信区间（默认为95%），请指定conf_interval=True：

# specify positive indices onlyy_true=BinaryLabels.from_dense([[1,0,1],[1,1,1]])# or use sparse matriximportscipy.sparseasspy_true=BinaryLabels.from_sparse(sp.coo_matrix([[1,0,1],[1,1,1]]))

安装

要安装（需要Numpy 1.18或更高版本）：

pip install rankereval

许可证

此项目在MIT下获得许可。在

作者

兰克雷瓦尔是由Tobias Schnabel写的。在

贡献

这个项目欢迎大家的贡献和建议。大多数投稿需要你同意 贡献者许可协议（CLA）声明您有权并实际上授予我们 使用你的贡献的权利。有关详细信息，请访问https://cla.opensource.microsoft.com。在

当你需要自动提交一个请求时，CLA是否会自动提供一个请求 一个CLA并适当地装饰PR（例如状态检查、评论）。只需按照说明操作即可 由bot提供。您只需使用我们的CLA在所有回购中执行一次。在

这个项目采用了Microsoft Open Source Code of Conduct。 有关详细信息，请参阅Code of Conduct FAQ或 联系人opencode@microsoft.com<；mailto:opencode@microsoft.com>；有任何其他问题或意见。在