davies_bouldin_score

sklearn.metrics.davies_bouldin_score(X, метки)

Вычислить оценку Дэвиса-Болдина.

Оценка определяется как средняя мера сходства каждого кластера с его наиболее похожим кластером, где сходство - это отношение расстояний внутри кластера к расстояниям между кластерами. Таким образом, кластеры, которые находятся дальше друг от друга и менее рассеяны, дадут лучшую оценку.

Минимальный балл равен нулю, причём меньшие значения указывают на лучшее кластеризование.

Подробнее в Руководство пользователя.

Добавлено в версии 0.20.

Параметры:

Xarray-like формы (n_samples, n_features)

Список n_features-мерных точек данных. Каждая строка соответствует одной точке данных.

меткиarray-like формы (n_samples,)

Предсказанные метки для каждого образца.

Возвращает:

score: float

Полученный показатель Дэвиса-Боулдина.

Ссылки

[1]

Дэвис, Дэвид Л.; Боулдин, Дональд В. (1979). «Мера 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)
0.12...