一致性得分#

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

两组双聚类的相似性。

计算单个双聚类之间的相似性。然后，通过使用改进的 Jonker-Volgenant 算法求解线性总分配问题来找到集合之间的最佳匹配。最终得分是相似性之和除以较大集合的大小。

在 用户指南 中了解更多信息。

参数：
a元组 (rows, columns)

一组双聚类的行和列指标元组。

b元组 (rows, columns)

另一组类似于 a 的双聚类。

similarity‘jaccard’ 或可调用对象，默认为 ‘jaccard’

可以是字符串“jaccard”以使用 Jaccard 系数，或者任何接受四个参数的函数，每个参数都是一个一维指示向量：(a_rows, a_columns, b_rows, b_columns)。

返回值：
consensus_score浮点数

一致性得分，一个非负值，由相似度之和除以较大集合的大小计算得出。

另见

scipy.optimize.linear_sum_assignment

求解线性求和分配问题。

参考文献

示例

>>> 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)