Evaluación

A continuación se ofrecen dos mediciones para comparar clusterings. Ambas son usadas comúnmente de forma conjunta ya que aún cuando su finalidad es la misma, tienen diferente base teórica. El valor es 0 cuando las particiones comparadas son aleatorias e independientes, y es 1 cuando son idénticas.

ARI

Para comparar dos clusterings de mapas de atributos se puede usar la función ARI (Adjusted Rand Index), la cual retorna un número real entre 0 y 1 que indica el grado de similaridad entre ambas soluciones.

Parámetros

• clustering_1: (Numpy Array) Contiene los clusters a los que pertenece cada punto para el clustering 1.

• clustering_2: (Numpy Array) Contiene los clusters a los que pertenece cada punto para el clustering 2.

Retorno

• ARI: (float) ARI score.

   from SpatialCluster.metrics.ARI import ARI
   ari = ARI(clustering_1, clustering_2)

En caso de que se quieran comparar más de un par de mapas a la vez, se puede generar una matriz que muestra la relación ARI para cada par de clusterings.

Parámetros

• clusterings: (Pandas DataFrame) Contiene los clusters a los que pertenece cada punto para los distintos clusterings a comparar.

• plot: (bool) Indica si se desea mostrar la matriz gráficamente.

Retorno

• ARI_matr: (Pandas DataFrame) Contiene el ARI score para cada par de clusterings.

   from SpatialCluster.metrics.ARI import ARI_matrix
   ari_matr = ARI_matrix(clusterings, plot=True)

AMI

Para comparar dos clusterings de mapas de atributos se puede usar la función AMI (Adjusted Mutual Information), la cual retorna un número real entre 0 y 1 que indica el grado de similaridad entre ambas soluciones.

Parámetros

• clustering_1: (Numpy Array) Contiene los clusters a los que pertenece cada punto para el clustering 1.

• clustering_2: (Numpy Array) Contiene los clusters a los que pertenece cada punto para el clustering 2.

Retorno

• AMI: (float) AMI score.

   from SpatialCluster.metrics.AMI import AMI
   ami = AMI(clusters_map1, clusters_map2)

En caso de que se quieran comparar más de un par de mapas a la vez, se puede generar una matriz que muestra la relación AMI para cada par de clusterings.

Parámetros

• clusterings: (Pandas DataFrame) Contiene los clusters a los que pertenece cada punto para los distintos clusterings a comparar.

• plot: (bool) Indica si se desea mostrar la matriz gráficamente.

Retorno

• AMI_matr: (Pandas DataFrame) Contiene el AMI score para cada par de clusterings.

   from SpatialCluster.metrics.AMI import AMI_matrix
   ami_matr = AMI_matrix(clusterings, plot=True)