论坛网站模板,公众号开发工具,衡阳建设学校官方网站,代理加速器注意#xff1a;ARI取值范围为[-1,1]#xff0c;值越大越好#xff0c;反映两种划分的重叠程度#xff0c;使用该度量指标需要数据本身有类别标记。用C表示实际的类别划分#xff0c;K表示聚类结果。定义a 为在C中被划分为同一类#xff0c;在K中被划分为同一簇的实例对数…注意ARI取值范围为[-1,1]值越大越好反映两种划分的重叠程度使用该度量指标需要数据本身有类别标记。用C表示实际的类别划分K表示聚类结果。定义a 为在C中被划分为同一类在K中被划分为同一簇的实例对数量。定义b为在C中被划分为不同类别在K中被划分为不同簇的实例对数量。定义Rand Index兰德系数Rand Index无法保证随机划分的聚类结果的RI值接近0。于是提出了Adjusted Rand index调节的兰德系数为了计算ARI的值引入contingency table列联表反映实例类别划分与聚类划分的重叠程度表的行表示实际划分的类别表的列表示聚类划分的簇标记nij表示重叠实例数量如下所示有了列联表即可用它计算ARI这里显然把max(RI)替换成了mean(RI)。还是看个例子吧例设实际类别划分为labels_true [0, 0, 0, 1, 1, 1]聚类划分为labels_pred [0, 0, 1, 1, 2, 2]求ARI值。画划分图画列联表看看sklearn中如何计算吧https://github.com/scikit-learn/scikit-learn/blob/master/sklearn/metrics/cluster/_supervised.py 文件中的adjusted_rand_score方法。labels_true, labels_pred check_clusterings(labels_true, labels_pred)
n_samples labels_true.shape[0]
n_classes np.unique(labels_true).shape[0]
n_clusters np.unique(labels_pred).shape[0]# Special limit cases: no clustering since the data is not split;
# or trivial clustering where each document is assigned a unique cluster.
# These are perfect matches hence return 1.0.
if (n_classes n_clusters 1 orn_classes n_clusters 0 orn_classes n_clusters n_samples):
return 1.0# Compute the ARI using the contingency data
contingency contingency_matrix(labels_true, labels_pred, sparseTrue)
sum_comb_c sum(_comb2(n_c) for n_c in np.ravel(contingency.sum(axis1)))
sum_comb_k sum(_comb2(n_k) for n_k in np.ravel(contingency.sum(axis0)))
sum_comb sum(_comb2(n_ij) for n_ij in contingency.data)prod_comb (sum_comb_c * sum_comb_k) / _comb2(n_samples)
mean_comb (sum_comb_k sum_comb_c) / 2.
return (sum_comb - prod_comb) / (mean_comb - prod_comb)运行一下看看结果吧# coding:utf-8测试ARI聚类评测指标
from sklearn import metricslabels_true [0, 0, 0, 1, 1, 1]
labels_pred [0, 0, 1, 1, 2, 2]print(metrics.adjusted_rand_score(labels_true, labels_pred))0.24242424242424246
