为什么scikit学习silhouette_score为一个集群返回一个错误？
为什么scikit学习silhouette_score为一个集群返回一个错误？
提问于 2020-07-08 11:27:44
一个聚类(K = 1)可能是K-均值聚类中K值不同的一种有效的、最适合的聚类。在scikit中的"silhouette_score“(v0.23.1)似乎不适用于一个集群，并且会产生一个意外的错误。
下面是要复制的代码：
import numpy as np
from sklearn.metrics import silhouette_samples, silhouette_score
X = np.array([[1, 2], [1, 4], [1, 0], [10, 2], [10, 4], [10, 0]])
kmeans = KMeans(n_clusters=2, random_state=0).fit(X)
labels = kmeans.predict(X)
print(labels)
print(silhouette_score(X, labels)) # 2 clusters works
kmeans = KMeans(n_clusters=1, random_state=0).fit(X)
labels = kmeans.predict(X)
print(labels)
print(silhouette_score(X, labels)) # 1 cluster gives ValueError: Number of labels is 1. Valid values are 2 to n_samples - 1 (inclusive)根据这，一个集群的轮廓评分的正确值应为零。
我在这里做错什么了吗？
回答 1
Stack Overflow用户
回答已采纳
发布于 2020-07-08 11:34:33
在silhouette_score文档中，分数以silhouette_coefficient的方式定义如下：
计算所有样本的平均轮廓系数。 根据每个样本的平均簇内距离(a)和平均最近聚类距离(b)计算轮廓系数。样本的轮廓系数为(b - a) / max(a，b)。为了澄清，b是样本与最近的集群之间的距离，而样本并不是其中的一部分。注意，只有标签数为2 <= n_labels <= n_samples - 1时才定义轮廓系数。
因此，在他们的实现中，他们使用b，这是样本和最近的集群之间的距离，而样本并不是其中的一部分。根据定义，如果只有一个群集，不允许在多个集群中定义样本，则这将无法工作。因此，它们对大于1的集群数量设置了一个限制。
此外，如果从数学上定义，对于一个簇，剪影得分应该是0，那么为什么要首先计算它呢？
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/62793786
复制相关文章
相似问题
腾讯云开发者
