davies_bouldin_score

sklearn.metrics.davies_bouldin_score(X, labels)[source]

Вычислить индекс Дэвиса-Больдина.

Этот индекс определяется как среднее значение меры сходства каждой кластеризации с наиболее похожим кластером, где мера сходства — это отношение расстояний внутри кластеров к расстояниям между кластерами. Таким образом, кластеры, которые находятся дальше друг от друга и менее разбросаны, приведут к лучшему значению индекса.

Минимальное значение индекса равно нулю, а более низкие значения указывают на лучшую кластеризацию.

Подробнее см. в Руководстве пользователя.

Добавлен в версии 0.20.

Параметры:

Xдвумерный массив данных (n_samples, n_features)

Список точек данных размерности n_features. Каждая строка соответствует одной точке данных.

labelsодномерный массив (n_samples,)

Предсказанные метки для каждой точки данных.

Возвращает:

score: float

Полученное значение индекса Дэвиса-Больдина.

Литература

[1]

Дэвиес, Дэвид Л.; Больдин, Дуглас У. (1979). “Метрика разделения кластеров”. IEEE Transactions on Pattern Analysis and Machine Intelligence. PAMI-1 (2): 224-227

Примеры

>>> from sklearn.metrics import davies_bouldin_score
>>> X = [[0, 1], [1, 1], [3, 4]]
>>> labels = [0, 0, 1]
>>> davies_bouldin_score(X, labels)
np.float64(0.12...)