列联表#

sklearn.metrics.cluster.contingency_matrix(labels_true, labels_pred, *, eps=None, sparse=False, dtype=<class 'numpy.int64'>)[source]#

构建一个列联表，描述标签之间的关系。

参数：

labels_truearray-like of shape (n_samples,): 用作参考的真实类标签。
labels_predarray-like of shape (n_samples,): 要评估的聚类标签。
epsfloat, default=None: 如果为浮点数，则将其添加到列联表中的所有值。这有助于阻止 NaN 传播。如果为 None，则不进行任何调整。
sparsebool, default=False: 如果 True，则返回一个稀疏的 CSR 混淆矩阵。如果 eps 不是 None 且 sparse 为 True，则会引发 ValueError。

版本 0.18 中添加。
dtype数值类型，默认=np.int64: 输出 dtype。如果 eps 不是 None，则忽略。

版本 0.24 中添加。

返回:

contingency{数组类，稀疏}，形状=[n_classes_true, n_classes_pred]: 矩阵 \(C\)，使得 \(C_{i, j}\) 是真实类别 \(i\) 和预测类别 \(j\) 中样本的数量。如果 eps is None，除非使用 dtype 参数另行设置，否则该数组的 dtype 将为整数类型。如果给定 eps，则 dtype 将为浮点型。如果 sparse=True，则将为 sklearn.sparse.csr_matrix。

示例

>>> from sklearn.metrics.cluster import contingency_matrix
>>> labels_true = [0, 0, 1, 1, 2, 2]
>>> labels_pred = [1, 0, 2, 1, 0, 2]
>>> contingency_matrix(labels_true, labels_pred)
array([[1, 1, 0],
       [0, 1, 1],
       [1, 0, 1]])