scikit-learn - adjust_rand_score 和adjusted_mutual_info_score 的输入是什么？

Question

我阅读了文档，我知道它是 labels_true 和 labels_pred 但它们必须是什么形式？

对于我使用的 labels_pred kmeans.labels_ ，它是一个包含 0、1、2 或 3 的 numpy 数组。对于 labels_true，我使用top100.Genre. Top100 是一个包含不同类型电影的数据框，共有 4 个类型。我在某处读到，我可以只插入这两个标签，并且这两个分数度量将找到一种将数字分配给流派的方法。

这是真的？我得到的值略高于 0（如 0.014），所以这对我来说没什么意义。或者我是否也必须将 top100.Genre 转换为 numpy 数组并将流派的名称更改为 0、1、2 和 3？我将如何分配每个号码？

标签： scikit-learndata-science

Answer 1

我认为分数测量会找到一种方法来匹配分配的标签和预测的标签。根据 Scikit-learn 文档，输入应该是一个数组。在这种情况下，为您提到的 0、1、2、3 等类型分配类标签。它们可以随机分配。

Scikit_learn 文档还提到分数不必是完美的 0，而是接近 0。因此 0.014 的分数是可以接受的。

下面的链接有一些很好的信息： https ://esigma6.wordpress.com/2018/11/03/2-3-9-clustering-performance-evaluation/