无法使用 sklearn 中的稀疏矩阵计算 silhouette_score [关闭]
Posted
技术标签:
【中文标题】无法使用 sklearn 中的稀疏矩阵计算 silhouette_score [关闭]【英文标题】:Unable to calculate silhouette_score using a sparse matrix in sklearn [closed] 【发布时间】:2021-02-24 03:02:48 【问题描述】:我正在尝试使用稀疏矩阵计算 silhouette_score 或 silhouette_samples,但出现以下错误:
ValueError: diag 需要一个至少为二维的数组
示例代码如下:
edges = [
(1, 2, 0.9),
(1, 3, 0.7),
(1, 4, 0.1),
(1, 5, 0),
(1, 6, 0),
(2, 3, 0.8),
(2, 4, 0.2),
(2, 5, 0),
(2, 6, 0.3),
(3, 4, 0.3),
(3, 5, 0.2),
(3, 6, 0.25),
(4, 5, 0.8),
(4, 6, 0.6),
(5, 6, 0.9),
(7, 8, 1.0)]
gg = nx.Graph()
for u,v, w in edges:
gg.add_edge(u, v, weight=w)
adj = nx.adjacency_matrix(gg)
adj.setdiag(0)
from sklearn.metrics import silhouette_score, silhouette_samples
print(silhouette_score(adj, metric='precomputed', labels=labels))
silhouette_samples(adj, metric='precomputed', labels=labels)
【问题讨论】:
【参考方案1】:这是一个错误。你应该报告它。 Relevant code.
X, labels = check_X_y(X, labels, accept_sparse=['csc', 'csr'])
# Check for non-zero diagonal entries in precomputed distance matrix
if metric == 'precomputed':
atol = np.finfo(X.dtype).eps * 100
if np.any(np.abs(np.diagonal(X)) > atol):
raise ValueError(
'The precomputed distance matrix contains non-zero '
'elements on the diagonal. Use np.fill_diagonal(X, 0).'
)
虽然输入检查明确接受 CSC/CSR 矩阵,但如果 metric 是 'precomputed'
,它会将 X 放入不适用于稀疏矩阵的 numpy 函数中。
【讨论】:
以上是关于无法使用 sklearn 中的稀疏矩阵计算 silhouette_score [关闭]的主要内容,如果未能解决你的问题,请参考以下文章
将 sklearn LogisticRegression 系数链接到稀疏矩阵中的项,并获得统计显着性 / C.I