sklearn 中的 normalized_mutual_info_score 给出负值或大于 1 的值答案

【问题标题】：normalized_mutual_info_score in sklearn giving negative values or values greater than 1sklearn 中的 normalized_mutual_info_score 给出负值或大于 1 的值
【发布时间】：2019-01-16 20:44:12
【问题描述】：

我正在尝试计算两个 256*256 图像标签之间的归一化互信息，展平成一个数组。

在 sklearn 的文档中，很明显函数 normalized_mutual_info_score 应该只输出 0 到 1 之间的值。

但是我意识到，当比较包含大量元素的列表时，有时它会给我负值或大于 1 的值。

这是一个上溢/下溢问题吗？（我意识到如果我将 average_method 更改为“算术”、“min”或“max”，但不确定哪一个最适合我的情况。）

使用 sklearn 0.20.0，我将提供一个综合示例来重现该问题：

metrics.normalized_mutual_info_score([0]*100001, [0]*100000 + [1])
metrics.normalized_mutual_info_score([0]*110001, [0]*110000 + [1])

我希望下面的答案是 0，但我分别得到了 7.999 和 -7.999。

【问题讨论】：

当我使用“几何”而不是“算术”时，我仍然得到负值或大于 1 的值。有人知道为什么吗？

标签： python scikit-learn

【解决方案1】：

正如您所提到的，设置 average_method 会给出合理的值。

normalized_mutual_info_score([0]*100001, [0]*100000 + [1],average_method='arithmetic')
#3.166757680223739e-14

我建议使用arithmetic，因为它将成为下一版本0.22 中的默认值reference。

【讨论】：