有人能解释两个标准化的测量值(NMI和AMI)之间的区别吗?它们测量两个赋值的一致性,忽略排列。你知道吗
让我们考虑以下代码:
from sklearn import metrics
labels_true = [0, 0, 0, 1, 1, 1]
labels_pred = [0, 0, 1, 1, 2, 2]
# AMI score:
score_ami = metrics.adjusted_mutual_info_score(labels_true, labels_pred)
print(score_ami)
# NMI Score
score_nmi = metrics.normalized_mutual_info_score(labels_true, labels_pred)
print(score_nmi)
调整后的互信息被重新缩放,使得随机聚类的得分为0。你知道吗
使用NMI,即使是随机洗牌的标签也会得到正分数。你知道吗
相关问题 更多 >
编程相关推荐