davies_bouldin_score

sklearn.metrics.davies_bouldin_score(X, labels)[исходный код]

Вычисляет оценку Дэвиса—Боулдина.

Оценка определяется как средняя мера сходства каждого кластера с наиболее похожим на него кластером, где сходство — это отношение расстояний внутри кластера к расстояниям между кластерами. Таким образом, кластеры, расположенные дальше друг от друга и имеющие меньший разброс, дают более высокую оценку.

Минимальная оценка равна нулю; чем ниже значение, тем лучше кластеризация.

Подробнее см. в Руководстве пользователя.

Добавлено в версии 0.20.

Параметры:

Xмассивоподобный объект формы (n_samples, n_features)

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

labelsмассивоподобный объект формы (n_samples,)

Предсказанные метки для каждого образца.

Возвращает:

score: float

Полученная оценка Дэвиса—Боулдина.

Литература

[1]

Davies, David L.; Bouldin, Donald W. (1979). «A Cluster Separation Measure». 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)
0.12...