consensus_score

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

Сходство двух наборов бикластеров.

Вычисляется сходство между отдельными бикластерами. Затем оптимальное соответствие между наборами находится путем решения задачи линейного суммарного назначения с использованием модифицированного алгоритма Джонкера-Волгената. Конечный балл — это сумма сходств, деленная на размер большего набора.

Подробнее см. в Руководстве пользователя.

Параметры:

aкортеж (строки, столбцы)

Кортеж с указателями строк и столбцов для набора бикластеров.

bкортеж (строки, столбцы)

Другой набор бикластеров, как a.

similarity‘jaccard’ или вызываемая функция, по умолчанию=’jaccard’

Может быть строкой “jaccard” для использования коэффициента Жаккара или любой функцией, принимающей четыре аргумента, каждый из которых является 1d вектором-указателем: (a_строки, a_столбцы, b_строки, b_столбцы).

Возвращаемое значение:

consensus_scorefloat

Оценка консенсуса, неотрицательное значение, сумма сходств, деленная на размер большего набора.

См. также

scipy.optimize.linear_sum_assignment

Решить задачу линейного суммарного назначения.

Ссылки

• Hochreiter, Bodenhofer, и др., 2010. FABIA: факторный анализ для получения 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')
np.float64(1.0)

Галерея примеров

Демонстрация алгоритма спектральной бикластеризации

Демонстрация алгоритма спектрального ко-кластерирования