使用sklearn在Python中計算同質性評分

---

在使用Python的聚類演算法時，評估模型的效能非常重要，而評估聚類模型效能的常用指標之一就是使用sklearn的同質性評分。它衡量聚類演算法分配的標籤與資料集的真實標籤匹配程度。同質性評分越高，聚類演算法的效能越好。

在本文中，我們將仔細研究同質性評分以及如何在Python中使用Scikit-learn計算它。

什麼是同質性評分？

同質性評分是用於評估聚類模型（即標籤集）效能的指標。它衡量給定聚類模型的標籤與特定資料集的真實標籤的匹配程度。

要理解同質性評分的工作原理，請考慮像K均值聚類演算法這樣的聚類演算法，它將資料集劃分為多個聚類。如果演算法能夠很好地將資料點分成不同的組，則同質性評分將很高。另一方面，如果演算法將資料點分配到錯誤的聚類或組，則同質性評分將很低。

語法

sklearn.metrics.homogeneity_score(labels_true, labels_pred)

引數

序號	引數	定義
1	labels_true int型陣列，形狀 = [n_samples]	用於參考的真實類標籤。
2	labels_pred 形狀為(n_samples,)的類陣列	用於評估聚類標籤。

此函式返回同質性評分（浮點數），介於0.0和1.0之間，其中1.0表示完全均勻的標記。

如何在Python中計算同質性評分？

要使用Sklearn在Python中計算homogeneity_score，我們可以使用sklearn.metrics.cluster模組中的homogeneity_score函式。以下是使用make_blobs生成隨機資料集來計算Python中同質性評分的示例：

使用隨機資料計算同質性評分的程式

from sklearn.metrics.cluster import homogeneity_score
from sklearn.cluster import KMeans
from sklearn.datasets import make_blobs

# Generate a random dataset
X1, y1 = make_blobs(n_samples=2000, centers=6 ,random_state=50)

# Perform clustering using KMeans
kmeans1 = KMeans(n_clusters=6, random_state=50)
labels1 = kmeans1.fit_predict(X1)

# Compute the homogeneity score
homo_score = homogeneity_score(y1, labels1)

print("Homogeneity score:", homo_score)

輸出

Homogeneity score: 0.8845679179458327

在上面的例子中，我們首先使用Scikit-learn中的make_blobs函式生成一個隨機資料集。然後，我們使用具有5個聚類的KMeans演算法進行聚類。最後，我們使用homogeneity_score函式計算同質性評分，我們將真實標籤y和預測標籤labels作為引數傳遞。

使用內建資料集(iris)計算同質性評分的程式

對於此示例，我們將使用Scikit-learn自帶的iris資料集。我們將根據其特徵對樣本或資料集進行聚類，並使用同質性評分評估模型的效能。

按照以下步驟使用內建資料集(iris)計算同質性評分：

• 使用Scikit-learn中的load_iris函式載入iris資料集。

• 從資料集中提取資料和真實標籤。

• 使用具有三個聚類的KMeans演算法執行聚類（因為iris資料集中有三個類別）。

• 使用Scikit-learn中的homogeneity_score函式計算同質性評分，並將真實標籤y_true和預測標籤y_pred作為引數傳遞。

以下是載入資料然後使用KMeans聚類計算同質性評分的程式碼：

from sklearn.datasets import load_iris
from sklearn.cluster import KMeans

from sklearn.metrics import homogeneity_score

# Load the iris dataset
iris_df = load_iris()
X1 = iris_df.data
y1_true = iris_df.target

# Perform clustering using KMeans
kmeans = KMeans(n_clusters=3, random_state=50)
y1_pred = kmeans.fit_predict(X1)

# Compute the homogeneity score
homo_score = homogeneity_score(y1_true, y1_pred)

print("Homogeneity score:", homo_score)

輸出

Homogeneity score: 0.7514854021988338

執行此程式碼時，您應該會在控制檯中看到打印出的同質性評分。同質性評分的值介於0和1之間，值越高表示聚類效能越好。

結論

總之，同質性評分是評估KMeans聚類等聚類演算法效能的重要且有用的指標。我們瞭解到，透過計算同質性評分，我們可以確定給定的聚類演算法將資料集分成不同的組的程度。在Python中，我們可以使用Scikit-learn中的homogeneity_score函式來計算給定標籤集的同質性評分。