consensus_score#

sklearn.metrics.consensus_score(a, b, *, similarity='jaccard')[原始碼]#

兩個雙聚類集合的相似性。

計算個別雙聚類之間的相似性。然後，使用修改後的 Jonker-Volgenant 演算法解決線性總和分配問題，找出集合之間最佳的匹配。最終分數是相似性總和除以較大集合的大小。

在使用者指南中閱讀更多資訊。

參數:
atuple (rows, columns)

一組雙聚類的行和列指標的元組。

btuple (rows, columns)

類似 a 的另一組雙聚類。

similarity‘jaccard’ 或可呼叫物件，預設值為 ‘jaccard’

可以是字串 “jaccard” 以使用 Jaccard 係數，或任何接受四個引數的函數，每個引數都是一個 1 維指標向量：（a_rows、a_columns、b_rows、b_columns）。

回傳:
consensus_scorefloat

共識分數，一個非負值，是相似性總和除以較大集合的大小。

另請參閱

scipy.optimize.linear_sum_assignment

解決線性總和分配問題。

參考文獻

範例

>>> from sklearn.metrics import consensus_score
>>> a = ([[True, False], [False, True]], [[False, True], [True, False]])
>>> b = ([[False, True], [True, False]], [[True, False], [False, True]])
>>> consensus_score(a, b, similarity='jaccard')
np.float64(1.0)