Question

我想计算使用KMeans生成的集群之间的相似性，使用Jaccard索引（来自sklearn.metrics import jaccard_similarity_score）。这些可以是包含特定值的矩阵：at [i，j]应该是簇i和j之间的相似性。我现在的代码：

from sklearn import datasets
from sklearn.cluster import KMeans
from sklearn.metrics import jaccard_similarity_score
iris = datasets.load_iris()
X = iris.data
kmeans = KMeans(n_clusters=3).fit(X)
labels = kmeans.labels_

for i in range(3):
        for j in range(3):
            print(jaccard_similarity_score(X[np.where(labels==i)], X[np.where(labels==j)]))

但我有以下错误：

Traceback (most recent call last):

  File "<ipython-input-15-e7b8e4471987>", line 3, in <module>
    print(jaccard_similarity_score(X[np.where(labels==i)], X[np.where(labels==j)]))

  File "C:\Anaconda3\envs\p3\lib\site-packages\sklearn\metrics\classification.py", line 383, in jaccard_similarity_score
    y_type, y_true, y_pred = _check_targets(y_true, y_pred)

  File "C:\Anaconda3\envs\p3\lib\site-packages\sklearn\metrics\classification.py", line 89, in _check_targets
    raise ValueError("{0} is not supported".format(y_type))

ValueError: continuous-multioutput is not supported

Answer 1

Jaccard在集上定义。

K-means生成连续质心（因为它使用 mean ，字面意思）。

因此，您无法在群集中心使用Jaccard。

jaccard_similarity_score引发ValueError：不支持连续多输出

1 个答案: