应用带有簇号和簇标签的 RAND 索引

Question

我有一组评论，我用 k-means 对它们进行了聚类，并得到了每条评论所属的集群（例如：1,2,3...）。我还有这些属于哪些集群的真实标签，例如：位置、食物等），我需要将它们与兰德指数进行比较。

由于我有集群编号和集群标签，我如何应用 Rand 索引进行比较？

我应该遵循任何中间步骤吗？

编辑： 我看过Rand Index function (clustering performance evaluation) 的帖子，但它没有回答我的问题。

在那个问题中，你有

labels_true = [1, 1, 0, 0, 0, 0]
labels_pred = [0, 0, 0, 1, 0, 1]

但我所拥有的是如下所示，

labels_true = ['food', 'view', 'room', 'food', 'staff', 'staff']
labels_pred = [0, 0, 0, 1, 0, 1]

非常感谢任何帮助。

Answer 1

只需使用sklearn.metrics.rand_score 函数：

from sklearn.metrics import rand_score

rand_score(labels_true, labels_pred)

真实标签和预测标签是否在不同域中具有值并不重要。请看示例：

>>> rand_score(['a', 'b', 'c'], [5, 6, 7])
1.0
>>> rand_score([0, 1, 2], [5, 6, 7])
1.0
>>> rand_score(['a', 'a', 'b'], [0, 1, 2])
0.6666666666666666
>>> rand_score(['a', 'a', 'b'], [7, 7, 2])
1.0