介绍：

聚类精确度(Cluster Accuracy，AC)用于比较获得标签和数据提供的真实标签：
AC=∑i=1nδ(si,map(ri))NAC = \frac{\sum_{i=1}^{n}\delta(s_i , map(r_i))}{N}AC=N∑i=1nδ(si,map(ri))
其中：rir_iri为聚类后的标签。sis_isi为真实标签。nnn为数据总的个数。δ\deltaδ表示指示函数，具体如下：
δ(x,y)={1ifx=y0otherwise\delta(x,y) = \begin{cases} 1 & if x=y \\ 0 & otherwise \end{cases}δ(x,y)={10ifx=yotherwise
而式中的map则表示最佳类标的重现分配，以确保统计的正确。一般的该最佳重分配可以通过匈牙利算法(Kuhn-Munkres or Hungarian Algorithm)实现，从而在多项式时间内求解该任务（标签）分配问题。

参考博客：[ML] 聚类评价指标

Python代码：

需要numpy和sklearn库。利用sklearn调用匈牙利算法
也可以直接调用scikit-learn库中的函数来计算metrics.accuracy_score(y_true, y_pred)

import numpy as np
from sklearn import metricsdef acc(y_true, y_pred):"""Calculate clustering accuracy. Require scikit-learn installed# Argumentsy: true labels, numpy.array with shape `(n_samples,)`y_pred: predicted labels, numpy.array with shape `(n_samples,)`# Returnaccuracy, in [0,1]"""y_true = y_true.astype(np.int64)assert y_pred.size == y_true.sizeD = max(y_pred.max(), y_true.max()) + 1w = np.zeros((D, D), dtype=np.int64)for i in range(y_pred.size):w[y_pred[i], y_true[i]] += 1from sklearn.utils.linear_assignment_ import linear_assignmentind = linear_assignment(w.max() - w)return sum([w[i, j] for i, j in ind]) * 1.0 / y_pred.sizeif __name__ == '__main__':# A为真实值、B,C,D为等效果的预测值 即: func(A,B)=func(A,C); func(B,D)=func(C,D);A = np.array([1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 3, 3, 3, 3, 3])B = np.array([1, 2, 1, 1, 1, 1, 1, 2, 2, 2, 2, 3, 1, 1, 3, 3, 3])C = np.array([2, 1, 2, 2, 2, 2, 2, 1, 1, 1, 1, 3, 2, 2, 3, 3, 3])  # 将B中的 1 与 2 互换D = np.array([1, 3, 1, 1, 1, 1, 1, 3, 3, 3, 3, 2, 1, 1, 2, 2, 2])  # 将B中的 2 与 3 互换# 测试print(acc(A, B))  # 0.7058823529411765print(acc(A, C))  # 0.7058823529411765print(metrics.accuracy_score(A, B))  # 0.7058823529411765print(acc(B, D))  # 1.0print(acc(C, D))  # 1.0

聚类精确度（Cluster Accuracy）相关推荐

C语言实现聚类K-means cluster算法(附完整源码)
聚类K-means cluster算法实现聚类K-means cluster算法的完整源码(定义,实现,main函数测试) 实现聚类K-means cluster算法的完整源码(定义,实现,main ...
Python，OpenCV中的K均值聚类——K-Means Cluster
Python,OpenCV中的K均值聚类 1. 效果图 2. 原理 2.1 什么是K均值聚类? 2.2 K均值聚类过程 2.3 cv2.kmeans(z, 2, None, criteria, 10, ...
层次聚类sklearn.cluster包AgglomerativeClustering
** Ward策略:让所有类簇中的方差最小化. Maximum策略:也叫completed linkage(全连接策略),力求将类簇之间的距离最大值最小化. Average linkage策略:力求将 ...
Python层次聚类sci.cluster.hierarchy.linkage函数详解
1 函数原型: scipy.cluster.hierarchy.linkage(y, method='single', metric='euclidean', optimal_ordering=Fal ...
层次聚类（cluster.AgglomerativeClustering）并通过TSNE进行可视化分析
单纯从层次聚类的角度来看,既有自顶向下,也有自底向上.从每一个样本一个聚类簇到所有样本一个聚类簇,或者所有样本是一个聚类簇到最后每一个样本都是一个聚类簇. 聚合层次聚类是一种自下而上的算法,首先将每个 ...
数据的聚类（cluster）|| 关联规则 || 回归
分类与聚类的比较聚类分析是研究如何在没有训练的条件下把样本划分为若干类. 在分类中,已知存在哪些类,即对于目标数据库中存在哪些类是知道的,要做的就是将每一条记录分别属于哪一类标记出来. 聚类需要解决 ...
python 两阶段聚类_挑子学习笔记：两步聚类算法（TwoStep Cluster Algorithm）——改进的BIRCH算法...
转载请标明出处:http://www.cnblogs.com/tiaozistudy/p/twostep_cluster_algorithm.html 两步聚类算法是在SPSS Modeler中使用的 ...
SAS聚类分析(系统聚类cluster，动态聚类fastclus，变量聚类varclus)
1. 从21各工厂抽了同类产品,每个产品检测了两个指标,测得的数据如下(已作了适当变换)欲将各厂产品的质量情况进行分类. No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 ...
层次聚类算法(hierarchial cluster)
聚类算法常见的聚类算法可以分为四类: 基于连通模型(connectivited-based):如层次聚类,按照对象之间的距离聚类.(距离的定义可以有很多种). 基于中心点(centroid-base ...
聚类算法评价指标python实现_[ML] 聚类评价指标
本文将介绍几个常见的聚类评价指标: Purity, NMI, RI, Precision(查准率), Recall(查全率), F, ARI, Accuracy(正确率). 好的聚类算法,一般要求类簇 ...

聚类精确度（Cluster Accuracy）

介绍：

Python代码：

聚类精确度（Cluster Accuracy）相关推荐

最新文章

热门文章