Tenemos el resultado a este conflicto, o por lo menos eso creemos. Si presentas preguntas coméntalo, que sin dudarlo te responderemos
sklearn.metrics.davies_bouldin_score(X, labels)[source]-
Calcula la puntuación de Davies-Bouldin.
La puntuación se define como la medida de similitud promedio de cada grupo con su grupo más similar, donde la similitud es la relación entre las distancias dentro del grupo y las distancias entre grupos. Por lo tanto, los grupos que están más separados y menos dispersos darán como resultado una mejor puntuación.
La puntuación mínima es cero; los valores más bajos indican una mejor agrupación.
Leer más en el Guía del usuario.
Nuevo en la versión 0.20.
- Parámetros
-
Xarray-like of shape (n_samples, n_features)-
Una lista de
n_features-puntos de datos dimensionales. Cada fila corresponde a un solo punto de datos. labelsarray-like of shape (n_samples,)-
Etiquetas previstas para cada muestra.
- Devoluciones
-
- partitura: flotante
-
La puntuación resultante de Davies-Bouldin.
Referencias
1-
Davies, David L.; Bouldin, Donald W. (1979). “Una medida de separación de grupos”. Transacciones IEEE sobre análisis de patrones e inteligencia artificial. PAMI-1 (2): 224-227