consensus_score

sklearn.metrics.consensus_score(a, b, *, similarity='jaccard')[исходный код]

Сходство двух наборов бикластеров.

Вычисляется сходство отдельных бикластеров. Затем находится наилучшее сопоставление между наборами путём решения задачи о линейном назначении с использованием модифицированного алгоритма Йонкера — Фольгенанта. Итоговая оценка — сумма сходств, делённая на размер большего набора.

Подробнее см. в руководстве пользователя.

Параметры:

aкортеж (строки, столбцы)

Кортеж индикаторов строк и столбцов для набора бикластеров.

bкортеж (строки, столбцы)

Другой набор бикластеров, например a.

similarity‘jaccard’ или вызываемый объект, по умолчанию=’jaccard’

Строка «jaccard» для использования коэффициента Жаккара или любая функция, принимающая четыре аргумента, каждый из которых является одномерным вектором-индикатором: (a_rows, a_columns, b_rows, b_columns).

Возвращает:

consensus_scoreчисло с плавающей точкой

Оценка согласованности — неотрицательное значение, равное сумме сходств, делённой на размер большего набора.

См. также

scipy.optimize.linear_sum_assignment

Решение задачи о линейном назначении.

Литература

• Hochreiter, Bodenhofer и др., 2010. FABIA: факторный анализ для обнаружения бикластеров.

Примеры

>>> from sklearn.metrics import consensus_score
>>> a = ([[True, False], [False, True]], [[False, True], [True, False]])
>>> b = ([[False, True], [True, False]], [[True, False], [False, True]])
>>> consensus_score(a, b, similarity='jaccard')
1.0

Примеры из галереи

Демонстрация алгоритма Spectral Biclustering

Демонстрация алгоритма Spectral Co-Clustering