consensus_score#

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度。然后通过解决线性求和分配问题，使用修改后的 Jonker-Volgenant 算法找到集合之间的最佳匹配。最终分数是相似度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:
atuple (rows, columns)

一组双聚类的行和列指示符元组。

btuple (rows, columns)

另一组与 a 类似的双聚类。

similarity‘jaccard’ or callable, default=’jaccard’

可以是字符串“jaccard”以使用 Jaccard 系数，也可以是接受四个参数（每个参数都是一个 1d 指示向量：(a_rows, a_columns, b_rows, b_columns)）的任何函数。

返回:
consensus_scorefloat

共识分数，一个非负值，即相似度之和除以较大集合的大小。

另请参阅

scipy.optimize.linear_sum_assignment

解决线性求和分配问题。

References

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')
1.0