normalized_mutual_info_score评价

今天发现一个很奇怪的东西，就是我使用sklearn库进行计算normalized_mutual_info_score时，发现有两种语法

from sklearn.metrics.cluster import normalized_mutual_info_score
print(normalized_mutual_info_score([0, 0, 1, 1], [0, 0, 1, 1]))
print(normalized_mutual_info_score([0, 0, 1, 1], [1, 1, 0, 0]))
print(normalized_mutual_info_score([0, 0, 0, 0], [0, 1, 2, 3]))

结果如下

第二种方式

from sklearn.metrics import normalized_mutual_info_score
print(normalized_mutual_info_score([0, 0, 1, 1], [0, 0, 1, 1]))
print(normalized_mutual_info_score([0, 0, 1, 1], [1, 1, 0, 0]))
print(normalized_mutual_info_score([0, 0, 0, 0], [0, 1, 2, 3]))

两种方法的结果是一致的，但是存在两种导入的方式

然后我发现一个很神奇的bug

可以看到normalized_mutual_info_score返回的值是有item()

但是如果计算adjusted_rand_score时，这个返回结果是没有item()属性的

这个问题在于这两个结果的类型不一样

这个类型是因为两个类型，一个python内置的float类型，一个是numpy.float类型，这个是可以转换的