sklearn.metrics.davies_bouldin_score¶
- sklearn.metrics.davies_bouldin_score()¶
Calcula la puntuación Davies-Bouldin.
La puntuación se define como la medida de similitud media de cada conglomerado con su conglomerado más similar, donde la similitud es la razón entre las distancias dentro del conglomerado y las distancias entre conglomerados. Así, los conglomerados que están más separados y menos dispersos resultarán en una mejor puntuación.
La puntuación mínima es cero, con valores más bajos indicando una mejor agrupación.
Más información en el Manual de usuario.
Nuevo en la versión 0.20.
- Parámetros
- Xarray-like de forma (n_samples, n_features)
Una lista de puntos de datos de
n_featuresdimensiones. Cada fila corresponde a un único punto de datos.- labelsarray-like de forma (n_samples,)
Etiquetas predichas para cada muestra.
- Devuelve
- puntuación: flotante
La puntuación resultante Davies-Bouldin.
Referencias
- 1
Davies, David L.; Bouldin, Donald W. (1979). «A Cluster Separation Measure». IEEE Transactions on Pattern Analysis and Machine Intelligence. PAMI-1 (2): 224-227