带有sklearn的python中的轮廓系数

Posted

技术标签:

【中文标题】带有sklearn的python中的轮廓系数【英文标题】:silhouette coefficient in python with sklearn 【发布时间】:2013-12-20 20:35:11 【问题描述】:

我在使用 sklearn 计算 python 中的轮廓系数时遇到问题。 这是我的代码:

from sklearn import datasets
from sklearn.metrics import *
iris = datasets.load_iris()
X = pd.DataFrame(iris.data, columns = col)
y = pd.DataFrame(iris.target,columns = ['cluster'])
s = silhouette_score(X, y, metric='euclidean',sample_size=int(50))

我得到错误:

IndexError: indices are out-of-bounds

我想使用 sample_size 参数,因为在处理非常大的数据集时,轮廓太长而无法计算。任何人都知道这个参数是如何工作的?

完整的回溯:

---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
<ipython-input-72-70ff40842503> in <module>()
      4 X = pd.DataFrame(iris.data, columns = col)
      5 y = pd.DataFrame(iris.target,columns = ['cluster'])
----> 6 s = silhouette_score(X, y, metric='euclidean',sample_size=50)

/usr/local/lib/python2.7/dist-packages/sklearn/metrics/cluster/unsupervised.pyc in silhouette_score(X, labels, metric, sample_size, random_state, **kwds)
     81             X, labels = X[indices].T[indices].T, labels[indices]
     82         else:
---> 83             X, labels = X[indices], labels[indices]
     84     return np.mean(silhouette_samples(X, labels, metric=metric, **kwds))
     85 

/usr/local/lib/python2.7/dist-packages/pandas/core/frame.pyc in __getitem__(self, key)
   1993         if isinstance(key, (np.ndarray, list)):
   1994             # either boolean or fancy integer index
-> 1995             return self._getitem_array(key)
   1996         elif isinstance(key, DataFrame):
   1997             return self._getitem_frame(key)

/usr/local/lib/python2.7/dist-packages/pandas/core/frame.pyc in _getitem_array(self, key)
   2030         else:
   2031             indexer = self.ix._convert_to_indexer(key, axis=1)
-> 2032             return self.take(indexer, axis=1, convert=True)
   2033 
   2034     def _getitem_multilevel(self, key):

/usr/local/lib/python2.7/dist-packages/pandas/core/frame.pyc in take(self, indices, axis, convert)
   2981         if convert:
   2982             axis = self._get_axis_number(axis)
-> 2983             indices = _maybe_convert_indices(indices, len(self._get_axis(axis)))
   2984 
   2985         if self._is_mixed_type:

/usr/local/lib/python2.7/dist-packages/pandas/core/indexing.pyc in _maybe_convert_indices(indices, n)
   1038     mask = (indices>=n) | (indices<0)
   1039     if mask.any():
-> 1040         raise IndexError("indices are out-of-bounds")
   1041     return indices
   1042 

IndexError: indices are out-of-bounds

【问题讨论】:

请粘贴更多的回溯。您不必用 int 包装 50。 我编辑有回溯。 50 以前是一个变量。我更改了它以确保我有一个固定值的错误。我忘了删除 int。 【参考方案1】:

silhouette_score 需要常规的 numpy 数组作为输入。为什么要将数组包装在数据框中?

>>> silhouette_score(iris.data, iris.target, sample_size=50)
0.52999903616584543

从回溯中,您可以观察到代码在第一个轴上进行了精美的索引(子采样)。默认情况下,索引数据框将索引列而不是行,因此您观察到的问题。

【讨论】:

好的,谢谢。我以 iris 数据集为例,因为我实际上正在为我的项目处理数据框。如果第一个条目是数据框,第二个条目是数组,则 Silhouette 有效。我没有考虑索引的潜在问题。 只需将您的数据帧转换为 numpy 数组(例如使用 data_fram.values),然后再将它们传递给 silhouette_score 函数。

以上是关于带有sklearn的python中的轮廓系数的主要内容,如果未能解决你的问题,请参考以下文章

机器学习sklearn----通过轮廓系数确定适合的n_clusters

机器学习sklearn----通过轮廓系数确定适合的n_clusters

sklearn聚类算法评估方法 之各种系数

OLS 适合带有系数误差和转换目标的 python

Python scikit-learn KMeans 在计算轮廓分数时被杀死(9)

如何从 K-Means 聚类中解释轮廓系数?