torcheval.metrics.functional.multilabel_recall_at_fixed_precision

torcheval.metrics.functional.multilabel_recall_at_fixed_precision(input: Tensor, target: Tensor, *, num_labels: int, min_precision: float) → Tuple[List[Tensor], List[Tensor]]

给定每个标签的最小精确度，返回多标签分类任务中每个标签可能达到的最高召回值，以及对应的阈值。每个标签的最大召回计算等同于 binary_recall_at_fixed_precision 中的 _binary_recall_at_fixed_precision_compute。

其类版本为 torcheval.metrics.MultilabelRecallAtFixedPrecision。

参数：

• input (Tensor) – 标签预测的张量，应为形状为 (n_samples, n_label) 的概率

• target (Tensor) – 形状为 (n_samples, n_label) 的真实标签张量

• num_labels (int) – 标签数量

• min_precision (float) – 最小精确度阈值

返回值：

List[torch.Tensor], thresholds: List[torch.Tensor])

recall: 每个标签的最大召回值列表 thresholds: 每个标签最佳阈值列表

返回类型：

一个包含 (recall

示例

>>> import torch
>>> from torcheval.metrics.functional import multilabel_recall_at_fixed_precision
>>> input = torch.tensor([[0.75, 0.05, 0.35], [0.45, 0.75, 0.05], [0.05, 0.55, 0.75], [0.05, 0.65, 0.05]])
>>> target = torch.tensor([[1, 0, 1], [0, 0, 0], [0, 1, 1], [1, 1, 1]])
>>> multilabel_recall_at_fixed_precision(input, target, num_labels=3, min_precision=0.5)
([tensor([1.0, 1.0, 1.0], tensor([0.05, 0.55, 0.05])])