tslearn.clustering.silhouette_score¶
- tslearn.clustering.silhouette_score(X, labels, metric=None, sample_size=None, metric_params=None, n_jobs=None, verbose=0, random_state=None, **kwds)[source]¶
-
阅读更多内容，请访问scikit-learn文档。
- Parameters:
- Xarray [n_ts, n_ts] if metric == “precomputed”, or, [n_ts, sz, d] otherwise
时间序列之间的成对距离数组，或时间序列数据集。
- labelsarray, shape = [n_ts]
每个时间序列的预测标签。
- metricstring, callable or None (default: None)
计算时间序列之间距离时使用的度量标准。 应该是 {'dtw', 'softdtw', 'euclidean'} 中的一个，或者是一个可调用的距离函数，或者为 None。 如果传递了 'softdtw'，则使用 Soft-DTW 的归一化版本，定义为 sdtw_(x,y) := sdtw(x,y) - 1/2(sdtw(x,x)+sdtw(y,y))。 如果 X 是距离数组本身，使用
metric="precomputed"。 如果为 None，则使用 dtw。- sample_sizeint or None (default: None)
在计算数据随机子集上的轮廓系数时使用的样本大小。 如果
sample_size is None，则不使用采样。- metric_paramsdict or None (default: None)
所选指标的参数值。 对于接受交叉距离矩阵计算并行化的指标，metric_params中传递的n_jobs键会被n_jobs参数覆盖。
- n_jobsint or None, optional (default=None)
用于并行运行交叉距离矩阵计算的任务数量。 如果无法使用并行化计算交叉距离矩阵，则忽略此设置。
None表示 1，除非在joblib.parallel_backend上下文中。-1表示使用所有处理器。有关更多详细信息，请参阅 scikit-learns 的 Glossary。- verboseint (default: 0)
如果非零，打印关于学习模型时的惯性信息，并打印joblib进度消息。
- random_stateint, RandomState instance or None, optional (default: None)
用于随机选择样本子集的生成器。如果为整数，random_state 是随机数生成器使用的种子；如果是 RandomState 实例，random_state 是随机数生成器；如果为 None，则随机数生成器是 np.random 使用的 RandomState 实例。当
sample_size is not None时使用。- **kwdsoptional keyword parameters
任何进一步的参数都直接传递给距离函数，就像metric_params参数一样。
- Returns:
- silhouettefloat
所有样本的平均轮廓系数。
参考文献
示例
>>> from tslearn.generators import random_walks >>> from tslearn.metrics import cdist_dtw >>> numpy.random.seed(0) >>> X = random_walks(n_ts=20, sz=16, d=1) >>> labels = numpy.random.randint(2, size=20) >>> silhouette_score(X, labels, metric="dtw") 0.13383800... >>> silhouette_score(X, labels, metric="euclidean") 0.09126917... >>> silhouette_score(X, labels, metric="softdtw") 0.17953934... >>> silhouette_score(X, labels, metric="softdtw", ... metric_params={"gamma": 2.}) 0.17591060... >>> silhouette_score(cdist_dtw(X), labels, ... metric="precomputed") 0.13383800...