考慮 sklearn 文檔中 log_loss 的示例：from?sklearn.metrics?import?log?loss log_loss(["spam",?"ham",?"ham",?"spam"],?[[.1,?.9],?[.9,?.1],?[.8,?.2],?[.35,?.65]])運行這個，我們得到的輸出約為 0.216。該模型相當擅長對正常郵件和垃圾郵件進行分類。sklearn 如何知道第一個概率是 ，ham第二個概率是spam？如果我想翻轉標簽，即第一個是spam，第二個是ham，我該怎么做？顯式提供 labels 參數不起作用：log_loss(["spam",?"ham",?"ham",?"spam"],?[[.1,?.9],?[.9,?.1],?[.8,?.2],?[.35,?.65]],?labels=["ham",?"spam"])輸出：0.216。log_loss(["spam",?"ham",?"ham",?"spam"],?[[.1,?.9],?[.9,?.1],?[.8,?.2],?[.35,?.65]],?labels=["spam",?"ham"])輸出：0.216。