Python sklearn pair_confusion_matrix用法及代碼示例

本文簡要介紹python語言中 sklearn.metrics.cluster.pair_confusion_matrix 的用法。

用法:

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

由兩個聚類產生的對混淆矩陣。

對混淆矩陣\(C\) 通過考慮所有樣本對並計算在真實和預測聚類下分配到相同或不同聚類中的對，計算兩個聚類之間的 2 × 2 相似性矩陣。

考慮到一對聚集在一起的樣本是一個正對，那麽在二進製分類中，真陰性的計數是 \(C_{00}\) ，假陰性是 \(C_{10}\) ，真陽性是 \(C_{11}\) ，假陽性是 \(C_{01}\) 。

在用戶指南中閱讀更多信息。

參數：

labels_true：形狀類似數組 (n_samples,)，dtype=integral

地麵實況類標簽用作參考。

labels_pred：形狀類似數組 (n_samples,)，dtype=integral

要評估的集群標簽。

返回：

C：ndarray 形狀 (2, 2)，dtype=np.int64

權變矩陣。

參考：

例子：

無論實際標簽值如何，完全匹配的標簽在對角線上都有所有非零條目：

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

將所有類成員分配到同一簇的標簽是完整的，但可能並不總是純的，因此受到懲罰，並且具有一些非對角非零條目：

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

請注意，矩陣不是對稱的。