contingency_matrix

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

构建一个描述标签之间关系的列联矩阵。

Parameters:

labels_true类数组，形状为 (n_samples,)

作为参考的地面真实类别标签。

labels_pred类数组，形状为 (n_samples,)

要评估的聚类标签。

eps浮点数，默认=None

如果是一个浮点数，该值将添加到列联矩阵中的所有值。这有助于阻止NaN传播。 如果为 None ，则不进行调整。

sparse布尔值，默认=False

如果为 True ，返回一个稀疏的CSR列联矩阵。如果 eps 不是 None 且 sparse 为 True ，将引发ValueError。

Added in version 0.18.

dtype数值类型，默认=np.int64

输出数据类型。如果 eps 不是 None ，则忽略。

Added in version 0.24.

Returns:

contingency{类数组，稀疏}, 形状=[n_classes_true, n_classes_pred]

矩阵 \(C\) 使得 \(C_{i, j}\) 是真实类别 \(i\) 和预测类别 \(j\) 中的样本数。如果 eps is None ，该数组的dtype将是整数，除非通过 dtype 参数另行设置。如果 eps 给出，dtype将是浮点数。 如果 sparse=True ，将是 sklearn.sparse.csr_matrix 。

Examples

>>> 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]])