ValueError：labels_true 必须是 1D？

如何解决ValueError：labels_true 必须是 1D？

我如何计算这个算法的性能。我试过这个简单的例子： `

 af = AffinityPropagation().fit(X)
 cluster_centers_indices = af.cluster_centers_indices_
 labels = af.labels_
 n_clusters_ = len(cluster_centers_indices)
 print("Homogeneity: %0.3f" % homogeneity_score(X,labels))
 print("Completeness: %0.3f" % metrics.completeness_score(X,labels))`

但我收到以下错误：ValueError: labels_true must be 1D: shape is (56,52) 请帮忙！

解决方法

错误是由于 homogeneity_score 的错误使用造成的。

这些指标假设基本事实标签可用于您的输入数据。

在您的代码中，您已将输入数据 X 和名为 labels 的预测标签提供给 homoegeneity_score 函数。正确的用法是：

homogeneity_score(labels_true,labels_pred)

在您的情况下，labels_pred 将是 labels 变量。并且 labels_true 应该是您应该能够使用该指标的基本事实标签。

completeness_score 的情况也是如此。

有关这两个指标的官方文档，请参阅此处：

https://scikit-learn.org/stable/modules/generated/sklearn.metrics.homogeneity_score.html https://scikit-learn.org/stable/modules/generated/sklearn.metrics.completeness_score.html

此外，请参阅此答案以更好地了解聚类算法的评估：Performance Analysis of Clustering Algorithms