sklearn.metrics.davies_bouldin_score?
sklearn.metrics.davies_bouldin_score(X, labels)
計算Davies-Bouldin分數。
分數定義為每個群集與其最相似群集的平均相似性度量，其中相似度是群集內距離與群集間距離的比率。因此，距離更遠且分散程度較低的群集將獲得更好的分數。
最低分數為零，值越低表示聚類越好。
在用戶指南中閱讀更多內容。
0.20版中的新功能。
| 參數 | 說明 |
|---|---|
| X | array-like, shape (n_samples, n_features)n_features維數據點列表。每行對應一個數據點。 |
| labels | array-like, shape (n_samples,)每個樣本的預測標簽。 |
| 返回值 | 說明 |
|---|---|
| score | float 所得的Davies-Bouldin得分。 |
參考
1 Davies, David L.; Bouldin, Donald W. (1979). “A Cluster Separation Measure”. IEEE Transactions on Pattern Analysis and Machine Intelligence. PAMI-1 (2): 224-227