如何在python中分别计算每个集群的剪影分数

Posted 2023-03-12

【中文标题】如何在python中分别计算每个集群的剪影分数

【英文标题】：How to calculate the Silhouette Score for each cluster separately in python

【发布时间】：2020-05-12 03:35:06

【问题描述】：

您可以使用 1 行代码轻松提取剪影分数，该代码对所有集群的分数进行平均，但是如何从剪影分数的 scikit learn 实现中提取每个中间分数？我希望能够为每个集群单独提取相同的分数，而不仅仅是获得总分。

metrics.silhouette_score(x, y, metric='euclidean')

【问题讨论】：

相关：stats.stackexchange.com/questions/498268/…

【参考方案1】：

如果您的数据如下所示：

num_clusters = 3
X, y = datasets.load_iris(return_X_y=True)
kmeans_model = KMeans(n_clusters=num_clusters, random_state=1).fit(X)
cluster_labels = kmeans_model.labels_

您可以使用metrics.silhouette_samples 计算每个样本的轮廓系数，然后取每个聚类的平均值：

sample_silhouette_values = metrics.silhouette_samples(X, cluster_labels)

means_lst = []
for label in range(num_clusters):
    means_lst.append(sample_silhouette_values[cluster_labels == label].mean())

---

print(means_lst)                                                                             
[0.4173199215409322, 0.7981404884286224, 0.45110506043401194] # 1 mean for each of the 3 clusters

【讨论】：

当我尝试运行您提供的代码时，我得到 IndexError: too many indices for array，不知道为什么？ X 和 cluster_labels 只是包含 X 的所有自变量和 cluster_labels 的因变量的数据框，对吗？

确保 X 和 clusterlabels 变量是 numpy 数组，而不是数据帧。使用示例 iris 数据集运行代码时，您收到 IndexError 了吗？