contingency_matrix#

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

构建描述标签之间关系的列联矩阵。

在用户指南中阅读更多内容。

参数:

labels_true形状为 (n_samples,) 的类数组: 用作参考的真实类别标签。
labels_pred形状为 (n_samples,) 的类数组: 要评估的簇标签。
epsfloat, default=None: 如果是一个浮点数，该值将被添加到列联矩阵中的所有值上。这有助于阻止 NaN 传播。如果为 None，则不进行任何调整。
sparsebool, default=False: 如果为 True，返回一个稀疏的 CSR 列联矩阵。如果 eps 不为 None 且 sparse 为 True，将引发 ValueError。

版本 0.18 新增。
dtypenumeric type, default=np.int64: 输出数据类型。如果 eps 不为 None，则忽略此参数。

0.24 版本新增。

返回:

contingency{array-like, sparse}, shape=[n_classes_true, n_classes_pred]: 矩阵 \(C\)，其中 \(C_{i, j}\) 是真实类别 \(i\) 和预测类别 \(j\) 中的样本数量。如果 eps is None，此数组的数据类型将是整数，除非通过 dtype 参数另行设置。如果给定了 eps，数据类型将是浮点数。如果 sparse=True，将是 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]])

contingency_matrix#

本页