使用Kuhn-Munkres匈牙利算法解决聚类标签和真实标签匹配问题并计算ACC

最新推荐文章于 2024-04-12 09:13:13 发布
最新推荐文章于 2024-04-12 09:13:13 发布
阅读量1.3k 收藏
点赞数
分类专栏： 笔记 文章标签： 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_47006934/article/details/126770324
版权

困扰了很久了，原来python有集成的算法，见这里

网绿눈_눈
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Matlab实现Kmeans聚类，并利用匈牙利算法Kuhn-Munkres实现对聚类标签和真实标签的映射，对结果进行聚类精度Accuracy评价和标准互信息Nmi评价
hgh19951014的博客
12-11 7552
Matlab实现Kmeans聚类，并利用匈牙利算法Kuhn-Munkres实现对聚类标签和真实标签的映射，对结果进行聚类精度Accuracy评价和标准互信息Nmi评价思路输入数据为经典MNIST数据集利用Matlab中Kmeans算法对数据进行聚类聚类精度Acc评价标准互信息NMI评价利用Kuhn-Munkres算法实现munkres方法对Kmeans聚类结果进行映射聚类结果和真实标签进行映射的核...
算法：匈牙利算法
super晓权的博客
06-05 420
匈牙利算法： 匈牙利算法是由匈牙利数学家Edmonds于1965年提出，因而得名。匈牙利算法是基于Hall定理中充分性证明的思想，它是二分图匹配最常见的算法，该算法的核心就是寻找增广路径，它是一种用增广路径求二分图最大匹配的算法。 具体匹配原则就是 前面的让给后面的 得到最佳匹配 参考视频连接https://www.bilibili.com/video/av16362938/ ...
两组标签映射之匈牙利法
最新发布
weixin_56969073的博客
04-12 235
在计算ACC时，真实标签和预测标签经常出现数据分类相同但是类别序号不同的情况，这时需要对两个标签进行映射，匈牙利法是一个很好的选择。
Python库 | munkres-1.0.10.tar.gz
05-18
资源分类：Python库 所属语言：Python 资源全名：munkres-1.0.10.tar.gz 资源来源：官方 安装方法：https://lanzao.blog.csdn.net/article/details/101784059
对聚类结果和真实标签进行映射的两种思路
weixin_42593155的博客
07-13 3066
对聚类结果和真实标签进行映射的两种思路
【轮子】有权二部图中的最大匹配、最小匹配python轮子
weixin_41496173的博客
07-08 763
有权二部图匹配python轮子。
Hungarian.jl：Julia的匈牙利（Kuhn-Munkres）算法
02-04
匈牙利算法，也称为Kuhn-Munkres算法，是一种用于解决赋权二分图的最大匹配问题的有效算法。在优化领域，这种算法常用于分配任务、资源分配、作业调度等问题，确保分配的最优性。Julia编程语言提供了`Hungarian.jl`...
带权二分图的最优匹配 Kuhn-Munkres算法 收藏.docx
05-06
带权二分图的最优匹配 Kuhn-Munkres算法 收藏.docx
Kuhn—Munkres算法.zip
05-22
Kuhn-Munkres算法，也称为匈牙利算法或KM算法，是图论领域中的一种经典算法，主要用于解决二维赋权矩阵的最大权匹配问题。在1955年由Kuhn首次提出，后由Munkres进一步完善，故得此名。它广泛应用于资源分配、任务...
Kuhn-Munkres（又名匈牙利）算法，用于解决 O(n^3) 中的分配问题，用Rust编写
06-11
《使用Rust实现Kuhn-Munkres（匈牙利）算法解决分配问题》 Kuhn-Munkres（也称为匈牙利算法）是一种高效的解决分配问题的算法，它在匹配问题中有着广泛的应用，例如任务分配、网络优化、作业调度等。在Rust编程语言...
基于修正Riccati方程与Kuhn-Munkres算法的多传感器跟踪资源分配
01-14
在建立多传感器管理中传感器资源分配一般数学模型的基础上, 研究基于修正Riccati 方程与Kuhn-Munkres 算法相结合的多传感器跟踪资源分配, 同时给出了目标-传感器最优分配解的求解步骤. 仿真结果表明了该方法的可行...
聚类指标ACC和Purity
zl_Dream的博客
07-13 3544
聚类的评价指标ACC与purity有相似的地方，在一些情况下二者的数值会相等，而它们又不是一个东西聚类准确率，假设有NNN个样本，第iii个样本聚类产生的标签是pip_ipi​,真实标签是yiy_iyi​,那么 ACC=1N∑iNyi=map(pi) ACC = \frac{1}{N}\sum^N_i{y_i = map(p_i)} ACC=N1​i∑N​yi​=map(pi​) 其中map(⋅)map(\cdot)map(⋅)表示聚类标签的再分配，一般采用匈牙利算法实现，直观的一个例子如下： y=[1,1
匈牙利算法指派问题的python实现 & 使用python计算聚类精度
weixin_44839047的博客
12-12 2895
匈牙利算法的python实现 了解匈牙利算法的内容和其对偶问题的理解：匈牙利算法与对偶观点 简单描述匈牙利算法 一个原始的指派问题：有n个工人，和n个需要作业的地点。需要为每个工人安排一个工作的地点，记变量xij=0 or 1x_{ij}=0\ or\ 1xij​=0 or 1，代表派第i个工人去第j个地点的情况（0代表不指派，1代表指派）。同时将第i个工人派去第j个地点存在一定的开销，记录为cijc_{ij}cij​。公司要求最小化开销。 将cijc_{ij}cij
Kuhn-Munkres算法将聚类后的预测标签映射为真实标签
u013927464的博客
10-06 9744
使用Kuhn-Munkres(KM)算法将聚类后的预测标签映射为真实标签 问题：对一部分样本进行聚类，得到了聚类标签，同时这部分数据有真实标签，为了计算聚类之后的准确率，如何将聚类标签数据映射到真实标签数据呢？ Python包的安装：pip install munkres munkres：假设n个工人完成n个工作，每个工人完成工作的代价不同，一个工作只能由一个工人来完成，一个工人也只能完成一...
聚类精确度（Cluster Accuracy）
热门推荐
Micheal 超 的博客
04-24 1万+
概念：
python简单调用最优匹配算法
sghzssghzs的博客
04-09 1187
只要安装一个munkres库就能用 pip install munkres 简单示例 from munkres import Munkres import sys matrix = [[5, 9, 1], [10, 3, 2], [8, 7, 4]] profit_matrix = [] for row in matrix: profit_row = [] for col in row: profit_row += [sys.ma
kmans将聚类结果标签与原始数据ID对应--记录
zkhong07的博客
12-22 6115
Kmeans将聚类结果对原始数据ID 原始数据样式： # K-Means Clustering # Importing the libraries import numpy as np import matplotlib.pyplot as plt import pandas as pd # Importing the dataset from scipy.cluster.vq import whiten path = 'D:\\data\\cnndata\\order.csv' dataset
使用聚类（K-means）分析方法对骑手进行分类标签定义
q838458640的博客
09-01 2227
聚类分析的目标就是在相似的基础上收集数据来分类，属于无监督学习。就是通过行为数据，通过算法将相似的人群聚集在一起，形成不带标签的人群簇。再人为的对人群簇进行分析，寻找特征标签。............
DETR代码学习（五）之匈牙利匹配
pengxiang1998的博客
04-04 7038
匈牙利匹配先前在损失函数那块已经介绍过，但讲述了并不清晰，而且准确来说，匈牙利匹配所用的cost值与损失函数并没有关系，因此今天我们来看一下匈牙利匹配这块的代码与其原理。前面已经说过，DETR将目标检测看作集合预测问题，在最后的预测值与真实值匹配过程，其实可以看做是一个二分图匹配问题，该问题的解决方法便是匈牙利算法。
kuhn-munkres算法matlab
11-22
Kuhn-Munkres算法，也被称为匈牙利算法或是匹配算法，是一种用于解决二分图最大权匹配问题的经典算法。该算法被广泛应用在如任务分配、资源分配、指派问题等场景中。 在Matlab中，我们可以使用以下的步骤来实现Kuhn-Munkres算法： 1. 首先，我们需要将问题转化为一个二分图。比如，如果我们的问题是任务分配问题，那么我们可以用一个邻接矩阵来表示任务与资源之间的关系，其中矩阵的行表示任务，列表示资源，非零元素表示任务与资源之间的关系强度。 2. 接下来，我们需要定义一个函数来实现Kuhn-Munkres算法。函数的输入参数可以是我们定义好的邻接矩阵。在函数中，我们可以创建一个与邻接矩阵相同大小的全零矩阵，作为初始化的匹配集合。 3. 然后，我们可以将匹配问题转化为一个最大权完备匹配问题。这可以通过对邻接矩阵进行转换来实现。比如，我们可以对邻接矩阵的每一行进行减法操作，保留每行的最大值。 4. 在算法的主循环中，我们需要不断地找到最佳的匹配，并更新匹配集合。具体来说，我们可以从邻接矩阵中选择一个最高权值的未匹配点开始，然后通过一系列的增广路径来找到增广路径树。通过更新匹配集合，我们将已匹配点标记为匹配，未匹配点标记为未匹配，并继续寻找下一个未匹配点。直到无法找到更多增广路径为止。 5. 最后，我们可以返回匹配集合和最大权值。根据应用的不同，我们可以使用这些信息来解决具体的问题。 总之，Kuhn-Munkres算法是一种在Matlab中实现的二分图最大权匹配算法。通过将问题转化为二分图，定义函数并实现算法的主要步骤，我们可以使用Matlab来解决各种应用场景中的最大权匹配问题。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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