sklearn中dcg_score为何需传入理想排序得分作为y_score参数

问题复现代码如下：

from sklearn.metrics import ndcg_score, dcg_score
import numpy as np
  
actual= [3,2,0,0,1]
ideal= sorted(actual, reverse=True)

#list to np asarray
actualarr=np.asarray([actual])
idealarr= np.asarray([ideal])
print ("actual score as array", actualarr)
print("ideal score as array", idealarr)

#Discounted Cumulative Gain
dcg= dcg_score(idealarr, actualarr)
print("DCG: ", dcg)

核心误区说明 #

你对dcg_score的参数定义、函数逻辑的理解存在偏差，所以才会产生“不需要传第二个参数”的误解。

参数的真实含义 #

dcg_score的两个入参作用分别是：

• y_true：形状为(n_samples, n_items)的数组，存储每个待排序物品的真实相关性标注值，不需要手动提前排序，也不需要传入理想排序序列
• y_score：形状和y_true一致的数组，存储排序模型给每个物品打的预测分数，函数内部会自动按照这个预测分数从高到低给物品重排位置，再按重排后的顺序取对应位置的真实相关性值，代入DCG公式sum(rel_i / log2(i+1))计算结果。

为什么必须传y_score #

你手动计算时只需要相关性序列就能得到结果，本质是你默认了「物品的排列顺序就是你手里相关性列表的书写顺序」，相当于你已经提前确定了排序结果，自然不需要额外的排序依据。
但在真实排序任务场景下，你初始拿到的是一堆打乱顺序的物品，每个物品有自己的真实相关性，还有模型给每个物品打的预测分，你根本不知道模型会把物品排成什么顺序——y_score就是告诉函数“模型会按什么规则排序”的核心依据，没有这个参数，函数根本不知道各个相关性值应该放在排序的哪个位置，自然没法计算折损后的累计增益。

你的代码存在的错误 #

1. 你手动构造的ideal理想排序序列，是计算NDCG时做归一化用的分母（即理想排序下的DCG值），这个值ndcg_score会在内部自动计算，根本不需要你手动传给函数。
2. 你当前的传参顺序完全颠倒：把理想排序序列传给了y_true，把真实相关性序列传给了y_score，得到的结果没有实际意义。
3. 如果你想让函数返回你手动算的、按[3,2,0,0,1]顺序排列的DCG值（约4.6），正确调用方式是dcg_score(actualarr, actualarr)——这相当于你给每个物品的预测分等于它自身的真实相关性，函数排出来的顺序就和你手动计算时用的顺序一致，结果自然匹配。

举个实际使用的例子：如果5个物品的真实相关性是[3,2,0,0,1]，某模型给这5个物品的预测分是[0.9, 0.7, 0.2, 0.1, 0.4]，函数会先按预测分降序排物品，得到的顺序对应真实相关性是[3,2,1,0,0]，再代入公式算出这个模型对应的DCG值，这才是dcg_score的正确使用场景。

内容的提问来源于stack exchange，提问作者Shaun Potts