Python sklearn pair_confusion_matrix用法及代码示例

本文简要介绍python语言中 sklearn.metrics.cluster.pair_confusion_matrix 的用法。

用法:

sklearn.metrics.cluster.pair_confusion_matrix(labels_true, labels_pred)

由两个聚类产生的对混淆矩阵。

对混淆矩阵\(C\) 通过考虑所有样本对并计算在真实和预测聚类下分配到相同或不同聚类中的对，计算两个聚类之间的 2 × 2 相似性矩阵。

考虑到一对聚集在一起的样本是一个正对，那么在二进制分类中，真阴性的计数是 \(C_{00}\) ，假阴性是 \(C_{10}\) ，真阳性是 \(C_{11}\) ，假阳性是 \(C_{01}\) 。

在用户指南中阅读更多信息。

参数：

labels_true：形状类似数组 (n_samples,)，dtype=integral

地面实况类标签用作参考。

labels_pred：形状类似数组 (n_samples,)，dtype=integral

要评估的集群标签。

返回：

C：ndarray 形状 (2, 2)，dtype=np.int64

权变矩阵。

参考：

例子：

无论实际标签值如何，完全匹配的标签在对角线上都有所有非零条目：

>>> from sklearn.metrics.cluster import pair_confusion_matrix
>>> pair_confusion_matrix([0, 0, 1, 1], [1, 1, 0, 0])
array([[8, 0],
       [0, 4]]...

将所有类成员分配到同一簇的标签是完整的，但可能并不总是纯的，因此受到惩罚，并且具有一些非对角非零条目：

>>> pair_confusion_matrix([0, 0, 1, 2], [0, 0, 1, 1])
array([[8, 2],
       [0, 2]]...

请注意，矩阵不是对称的。