python计算互信息_聚类评估指标系列(一):标准化互信息NMI计算步骤及其Python实现...

标准化互信息NMI (Normalized Mutual Information)常用在聚类评估中。

标准化互信息NMI计算步骤

Python 实现

代码:

''' 利用Python实现NMI计算'''

import math

import numpy as np

from sklearn import metrics

def NMI(A,B):

# 样本点数

total = len(A)

A_ids = set(A)

B_ids = set(B)

# 互信息计算

MI = 0

eps = 1.4e-45

for idA in A_ids:

for idB in B_ids:

idAOccur = np.where(A==idA) # 输出满足条件的元素的下标

idBOccur = np.where(B==idB)

idABOccur = np.intersect1d(idAOccur,idBOccur) # Find the intersection of two arrays.

px = 1.0*len(idAOccur[0])/total

py = 1.0*len(idBOccur[0])/total

pxy = 1.0*len(idABOccur)/total

MI = MI + pxy*m

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
NMI(Normalized Mutual Information)是一种用于衡量聚类结果相似度的评价指标。它结合了信息熵和互信息的概念,可以用来衡量两个聚类结果之间的相似程度。NMI计算公式可以表示为互信息除以聚类结果熵的最大,从而将其标准化。 在Python中,可以使用sklearn库的metrics模块来计算NMI。具体步骤是导入相应的模块(from sklearn import metrics),然后提供两个聚类结果的标签(比如A和B),最后调用normalized_mutual_info_score函数计算NMI。 下面是一个示例代码: ```python from sklearn import metrics A = [1, 1, 1, 2, 3, 3] B = [1, 2, 3, 1, 2, 3] result_NMI = metrics.normalized_mutual_info_score(A, B) print("result_NMI:", result_NMI) ``` 以上代码会输出NMI,其中A和B是两个聚类结果的标签。你可以根据实际的聚类结果替换A和B的,从而计算得到相应的NMI。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [聚类的评价指标NMI标准化互信息+python实现+sklearn调库](https://blog.csdn.net/weixin_42764932/article/details/114384803)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* [互信息计算matlab代码-adjusted_mutual_information:R代码,用于在聚类之间快速且并行地计算调整后的互信息](https://download.csdn.net/download/weixin_38522214/19144881)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值