sklearn 中的 normalized_mutual_info_score 给出负值或大于

Question

我正在尝试计算两个 256*256 图像标签之间的归一化互信息，并将其展平为一个数组。

在 sklearn 的文档中，很明显函数 normalized_mutual_info_score 应该只输出 0 到 1 之间的值。

但是我意识到当比较包含大量元素的列表时，有时它会给我负值或大于 1 的值。

是上溢/下溢问题吗？（我意识到，如果我将 average_method 更改为“算术”、“最小”或“最大”，我会得到一个更现实的答案，但不确定哪一个最适合我的情况。）

使用 sklearn 0.20.0，我将提供一个合成示例来重现该问题：

metrics.normalized_mutual_info_score([0]*100001, [0]*100000 + [1])

metrics.normalized_mutual_info_score([0]*110001, [0]*110000 + [1])

我希望下面的答案是 0，但我分别得到了 7.999 和 -7.999。

Answer 1

正如您所提到的，设置 average_method 会给出合理的值。normalized_mutual_info_score([0]*100001, [0]*100000 + [1],average_method='arithmetic')#3.166757680223739e-14我建议使用 ，arithmetic因为它将成为下一个版本 0.22 中的默认值，参考。