sklearn dcg_score不符合预期运行报错，求排查解决方法

问题重现 #

代码：

from sklearn.metrics import dcg_score
import numpy as np

true_relevance = np.asarray([[10]])
scores = np.asarray([[.1]])
dcg_score(true_relevance, scores)

运行时报错：

ValueError: Only ('multilabel-indicator', 'continuous-multioutput', 'multiclass-multioutput') formats are supported. Got binary instead

问题原因 #

sklearn的dcg_score默认会根据输入数组的形状推断任务类型：当每个样本仅包含1个相关性得分时，函数会误将其判定为二分类任务（binary格式），而非排序任务的相关性评估场景，因此触发格式不支持的错误。

解决方法 #

给dcg_score指定k=1参数，明确告知函数计算top-1条目的DCG，即可正确处理单条目输入：

from sklearn.metrics import dcg_score
import numpy as np

true_relevance = np.asarray([[10]])
scores = np.asarray([[.1]])
result = dcg_score(true_relevance, scores, k=1)
print(result)  # 输出：10.0

此时计算结果符合维基百科的DCG公式：DCG@1 = 10 / log2(1+1) = 10，与预期一致。

内容的提问来源于stack exchange，提问作者learner