homogeneity_score#

sklearn.metrics.homogeneity_score(labels_true, labels_pred)#

同质性度量给定真实标签的聚类标签。

如果一个聚类结果满足同质性，那么它的所有簇只包含属于单一类别的数据点。

该度量独立于标签的绝对值：类别或簇标签值的排列不会以任何方式改变分数值。

该度量不是对称的：切换 label_true 和 label_pred 将返回 completeness_score ，通常会有所不同。

更多信息请参阅 用户指南 。

Parameters:
labels_true类数组，形状为 (n_samples,)

用作参考的真实类别标签。

labels_pred类数组，形状为 (n_samples,)

要评估的簇标签。

Returns:
homogeneityfloat

介于 0.0 和 1.0 之间的分数。1.0 表示完全同质性的标签。

See also

completeness_score

聚类标签的完整性度量。

v_measure_score

V-Measure（NMI 与算术平均选项）。

References

Examples

完全标签是同质的:

>>> from sklearn.metrics.cluster import homogeneity_score
>>> homogeneity_score([0, 0, 1, 1], [1, 1, 0, 0])
1.0

进一步将类别拆分为更多簇的非完全标签也可以是完全同质的:

>>> print("%.6f" % homogeneity_score([0, 0, 1, 1], [0, 0, 1, 2]))
1.000000
>>> print("%.6f" % homogeneity_score([0, 0, 1, 1], [0, 1, 2, 3]))
1.000000

包含来自不同类别样本的簇不会形成同质性标签:

>>> print("%.6f" % homogeneity_score([0, 0, 1, 1], [0, 1, 0, 1]))
0.0...
>>> print("%.6f" % homogeneity_score([0, 0, 1, 1], [0, 0, 0, 0]))
0.0...
On this page
Show Source