sklearn.metrics.consensus_score

sklearn.metrics.consensus_score()

La similitud de dos conjuntos de biclusters.

Se calcula la similitud entre los biclusters individuales. Entonces se encuentra la mejor coincidencia entre conjuntos utilizando el algoritmo Húngaro. La puntuación final es la suma de similitudes divididas por el tamaño del conjunto más grande.

Más información en el Manual de usuario.

Parámetros
a(filas, columnas)

Tupla de indicadores de fila y columna para un conjunto de biclusters.

b(filas, columnas)

Otro conjunto de biclusters como a.

similarity“jaccard” o invocable, default=”jaccard”

Podría ser la cadena «jaccard» para usar el coeficiente Jaccard, o cualquier función que tome cuatro argumentos, cada uno de los cuales es un vector de indicador 1d: (a_rows, a_columns, b_rows, b_columns).

Referencias