新加坡 11-08 01:20 · 吉隆坡 01:20 · 雅加达 00:20 · 曼谷 00:20 · 马尼拉 01:20 · 胡志明 00:20 · 北京 01:20 · 东京 02:20 · 伦敦 17:20 · 纽约 12:20
Amy 原创整理｜资料核验：2026-11-07
scikit-learn 的 contingency_matrix 可以把已知类别和聚类结果按样本逐一对照，统计每种「类别、簇」组合的人数。拿两套编号直接逐项判断相等，容易把只是名字不同的簇算错。
教学示例：四个样本的真实类别依次是 A、A、B、B，模型输出的簇号依次是 7、7、2、2。按行列出 A、B，按列列出 2、7，得到两行计数 [0,2] 和 [2,0]。虽然非零数值都不在主对角线上，每个簇在这个小例子里仍只包含一类样本。
官方来源：
https://scikit-learn.org/stable/modules/generated/sklearn.metrics.cluster.contingency_matrix.html
补两处列联表的用法：这张表的形状是（真实类别数×簇数），行是真实类、列是簇，元素是同时落进这一格的样本数，全表加起来就是样本总数。它天生免疫编号错位——模型把簇0叫成簇1，表的内容不变，只是列换了位置。想自动对齐编号再算准确率，可以在表上跑 scipy.optimize.linear_sum_assignment（匈牙利匹配）；不想对齐就用 homogeneity、completeness、v_measure，这三个不依赖编号匹配。另外按行取每行最大值、加总除以样本数就是 purity，粗糙但直观。