有人可以解释测量两个分配的一致性的两个标准化测量值( NMI 和 AMI )之间的区别,而忽略排列。
让我们考虑以下代码:
from sklearn import metrics
labels_true = [0, 0, 0, 1, 1, 1]
labels_pred = [0, 0, 1, 1, 2, 2]
# AMI score:
score_ami = metrics.adjusted_mutual_info_score(labels_true, labels_pred)
print(score_ami)
# NMI Score
score_nmi = metrics.normalized_mutual_info_score(labels_true, labels_pred)
print(score_nmi)
答案 0 :(得分:1)
调整互助信息的比例,使随机聚类得分为0。
使用NMI,即使是随机洗牌的标签也将获得正分。