Python群集的“纯度”指标

我使用的是高斯混合模型（GMM）从sklearn.mixture执行我的数据集的群集。

我可以使用该函数score()来计算模型下的对数概率。

但是，我正在寻找本文定义的称为“纯度”的指标。

如何在Python中实现它？我当前的实现如下所示：

from sklearn.mixture import GMM

# X is a 1000 x 2 array (1000 samples of 2 coordinates).
# It is actually a 2 dimensional PCA projection of data
# extracted from the MNIST dataset, but this random array
# is equivalent as far as the code is concerned.
X = np.random.rand(1000, 2)

clusterer = GMM(3, 'diag')
clusterer.fit(X)
cluster_labels = clusterer.predict(X)

# Now I can count the labels for each cluster..
count0 = list(cluster_labels).count(0)
count1 = list(cluster_labels).count(1)
count2 = list(cluster_labels).count(2)

但是我无法遍历每个群集以计算混淆矩阵（根据此问题）

大卫的答案有效，但这是另一种方法。

import numpy as np
from sklearn import metrics

def purity_score(y_true, y_pred):
    # compute contingency matrix (also called confusion matrix)
    contingency_matrix = metrics.cluster.contingency_matrix(y_true, y_pred)
    # return purity
    return np.sum(np.amax(contingency_matrix, axis=0)) / np.sum(contingency_matrix) 

同样，如果您需要计算逆纯度，您要做的就是将“ axis = 0”替换为“ axis = 1”。