Scikit-learn：用于集群评估的 ARI 分数
Posted
技术标签:
【中文标题】Scikit-learn：用于集群评估的 ARI 分数【英文标题】：Scikit-learn: ARI score for cluster evaluation 【发布时间】：2020-06-27 23:52:17 【问题描述】：我正在计算 evaluating the cluster performance 的调整后兰德指数分数。假设，真实的集群和预测的集群如下所示。 i, "x" 格式表明元素 "x" 位于 ith 簇中。
>>> labels_true = [0,"a", 0,"b", 0,"c", 1,"d", 1,"e", 1,"f"]
>>> labels_pred = [0,"a", 0,"b", 1,"c", 1,"d", 2,"e", 2,"f"]
>>> metrics.adjusted_rand_score(labels_true, labels_pred)
ARI 分数即将达到 1.0，但它似乎不应该是 1.0，因为预测的集群与真实的集群不同。
我想知道这是否是计算 ARI 分数的有效方法。
【问题讨论】：
【参考方案1】：您只需将标签放在 ARI 分数函数中：labels_true = [0, 0, 0, 1, 1, 1]labels_pred = [0, 0, 1, 1, 2, 2]metrics.adjusted_rand_score(labels_true, labels_pred)
【讨论】：
以上是关于Scikit-learn：用于集群评估的 ARI 分数的主要内容，如果未能解决你的问题，请参考以下文章
聚类的外部指标(Purity, ARI, NMI, ACC) 和内部指标(NCC,Entropy,Compactness,Silhouette Index)，附代码 (Python 和 Matlab)