consensus_score#
- sklearn.metrics.consensus_score(a, b, *, similarity='jaccard')#
两个双聚类集的相似性。
个体双聚类之间的相似性被计算。然后使用匈牙利算法找到集合之间的最佳匹配。最终得分是相似性之和除以较大集合的大小。
更多信息请参阅 用户指南 。
- Parameters:
- atuple (rows, columns)
一组双聚类的行和列指示符的元组。
- btuple (rows, columns)
另一组双聚类，类似于
a。- similarity‘jaccard’ 或 callable, 默认=’jaccard’
可以是字符串 “jaccard” 以使用 Jaccard 系数，或任何接受四个参数的函数，每个参数都是一个 1d 指示向量：(a_rows, a_columns, b_rows, b_columns)。
- Returns:
- consensus_scorefloat
共识得分，一个非负值，相似性之和除以较大集合的大小。
References
Hochreiter, Bodenhofer, 等, 2010. FABIA: 因子分析用于双聚类获取 _.
Examples
>>> from sklearn.metrics import consensus_score >>> a = ([[True, False], [False, True]], [[False, True], [True, False]]) >>> b = ([[False, True], [True, False]], [[True, False], [False, True]]) >>> consensus_score(a, b, similarity='jaccard') 1.0
