sklearn.metrics.homogeneity_score?

sklearn.metrics.homogeneity_score(labels_true, labels_pred)

源碼

給定真實值的聚類標簽的同質性度量。

如果聚類結果的所有聚類僅包含屬于單個類的成員的數據點，則聚類結果滿足同質性。

此指標獨立于標簽的絕對值：類別或簇標簽值的排列不會以任何方式改變得分值。

此度量不是對稱的：將label_true與label_pred切換將返回completeness_score，該分數通常會有所不同。

在用戶指南中閱讀更多內容。

參數 說明
labels_true int array, shape = [n_samples]
真實類標簽用作參考
labels_pred array-like of shape (n_samples,)
聚類標簽以進行評估
返回值 說明
homogeneity float
分數介于0.0和1.0之間。 1.0代表完全的均質貼標

另見：

completeness_score

v_measure_score

參考

1 Andrew Rosenberg and Julia Hirschberg, 2007. V-Measure: A conditional entropy-based external cluster evaluation measure

示例

完全標簽是同質的：

>>> from sklearn.metrics.cluster import homogeneity_score
>>> homogeneity_score([0, 0, 1, 1], [1, 1, 0, 0])
1.0

可以將類進一步劃分為更多類的非完全標簽可以是完全同質的：

>>> print("%.6f" % homogeneity_score([0, 0, 1, 1], [0, 0, 1, 2]))
1.000000
>>> print("%.6f" % homogeneity_score([0, 0, 1, 1], [0, 1, 2, 3]))
1.000000

包含來自不同類別的樣本的聚類無法進行均質標記：

>>> print("%.6f" % homogeneity_score([0, 0, 1, 1], [0, 1, 0, 1]))
0.0...
>>> print("%.6f" % homogeneity_score([0, 0, 1, 1], [0, 0, 0, 0]))
0.0...