contingency_matrix

sklearn.metrics.cluster.contingency_matrix(labels_true, labels_pred, *, eps=None, sparse=False, dtype=<class 'numpy.int64'>)

构建描述标签之间关系的权宜矩阵。

参数:

labels_true形状类似阵列（n_samples，）

用作参考的地面真相类标签。

labels_pred形状类似阵列（n_samples，）

要评估的集群标签。

epsfloat，默认=无

如果是浮点数，则将该值添加到列联矩阵中的所有值中。这有助于阻止NaN传播。如果 None ，没有任何调整。

sparse布尔，默认=假

如果 True ，返回稀疏的CSR连续矩阵。如果 eps 不 None 和 sparse 是 True 将引发ValueError。

Added in version 0.18.

dtype数字类型，默认=np.int64

输出dype。如果被忽视 eps 不 None .

Added in version 0.24.

返回:

contingency{array-like, sparse}, shape=[n_classes_true, n_classes_pred]

矩阵 \(C\) 使得 \(C_{i, j}\) 是真实类中的样本数 \(i\) 在预测的班级中 \(j\) .如果 eps is None ，除非用 dtype 论点如果 eps 如果给定，则dtype将为float。将是一个 sklearn.sparse.csr_matrix 如果 sparse=True .

示例

>>> from sklearn.metrics.cluster import contingency_matrix
>>> labels_true = [0, 0, 1, 1, 2, 2]
>>> labels_pred = [1, 0, 2, 1, 0, 2]
>>> contingency_matrix(labels_true, labels_pred)
array([[1, 1, 0],
       [0, 1, 1],
       [1, 0, 1]])