коэффициент силуэта в python с sklearn

у меня возникли проблемы с вычислением коэффициента силуэта в python с помощью sklearn. Вот мой код :

from sklearn import datasets
from sklearn.metrics import *
iris = datasets.load_iris()
X = pd.DataFrame(iris.data, columns = col)
y = pd.DataFrame(iris.target,columns = ['cluster'])
s = silhouette_score(X, y, metric='euclidean',sample_size=int(50))

Я получаю сообщение об ошибке:

IndexError: indices are out-of-bounds

Я хочу использовать параметр sample_size, потому что при работе с очень большими наборами данных, силуэт слишком много времени, чтобы вычислить. Кто-нибудь знает как этот параметр может работать ?

полный traceback:

---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
<ipython-input-72-70ff40842503> in <module>()
      4 X = pd.DataFrame(iris.data, columns = col)
      5 y = pd.DataFrame(iris.target,columns = ['cluster'])
----> 6 s = silhouette_score(X, y, metric='euclidean',sample_size=50)

/usr/local/lib/python2.7/dist-packages/sklearn/metrics/cluster/unsupervised.pyc in silhouette_score(X, labels, metric, sample_size, random_state, **kwds)
     81             X, labels = X[indices].T[indices].T, labels[indices]
     82         else:
---> 83             X, labels = X[indices], labels[indices]
     84     return np.mean(silhouette_samples(X, labels, metric=metric, **kwds))
     85 

/usr/local/lib/python2.7/dist-packages/pandas/core/frame.pyc in __getitem__(self, key)
   1993         if isinstance(key, (np.ndarray, list)):
   1994             # either boolean or fancy integer index
-> 1995             return self._getitem_array(key)
   1996         elif isinstance(key, DataFrame):
   1997             return self._getitem_frame(key)

/usr/local/lib/python2.7/dist-packages/pandas/core/frame.pyc in _getitem_array(self, key)
   2030         else:
   2031             indexer = self.ix._convert_to_indexer(key, axis=1)
-> 2032             return self.take(indexer, axis=1, convert=True)
   2033 
   2034     def _getitem_multilevel(self, key):

/usr/local/lib/python2.7/dist-packages/pandas/core/frame.pyc in take(self, indices, axis, convert)
   2981         if convert:
   2982             axis = self._get_axis_number(axis)
-> 2983             indices = _maybe_convert_indices(indices, len(self._get_axis(axis)))
   2984 
   2985         if self._is_mixed_type:

/usr/local/lib/python2.7/dist-packages/pandas/core/indexing.pyc in _maybe_convert_indices(indices, n)
   1038     mask = (indices>=n) | (indices<0)
   1039     if mask.any():
-> 1040         raise IndexError("indices are out-of-bounds")
   1041     return indices
   1042 

IndexError: indices are out-of-bounds

1 ответов


silhouette_score ожидает регулярные массивы numpy в качестве входных данных. Зачем обертывать массивы в фреймы данных?

>>> silhouette_score(iris.data, iris.target, sample_size=50)
0.52999903616584543

из обратной трассировки вы можете наблюдать, что код выполняет причудливую индексацию (подвыборку) на первой оси. По умолчанию индексирование фрейма данных индексирует столбцы, а не строки, следовательно, проблему, которую вы наблюдаете.