4.4.1 - Metriche di clustering

Diamo un breve cenno a due tra le metriche utilizzate per la valutazione degli algoritmi di clustering, ovvero il silhouette score e l'adjusted rand index.

Adjusted Rand Index

L'ARI può essere calcolato con la funzione adjusted_rand_score(), che funziona esattamente come le metriche usate per la classificazione e la regressione:

from sklearn.metrics import adjusted_rand_score

adusted_rand_score(labels_pred, labels_true)

Da notare che, nonostante venga usata per valutare un algoritmo non supervisionato, l'ARI richieda, nei fatti, la conoscenza delle label associate ai campioni utilizzati.

Silhouette score

Il silhouette score è calcolato con la funzione silhouette_score(), che determina il silhouette coefficient di tutti i campioni presenti nel dataset. Da notare come questa funzione non richieda la conoscenza delle label "vere", permettendo quindi di stimare lo score a partire dai dati iniziali e dalle label predette dall'algoritmo di clustering:

from sklearn.metrics import silhouette_score

silhouette_score(X, labels_pred)

La funzione silhouette_samples

Scikit-Learn ci offre anche la funzione silhouette_samples, che permette di calcolare il silhouette coefficient per ogni singolo campione presente nel dataset iniziale.