在Python中查找将一个集群列表转换为另一个集群的映射

我正在使用scikit学习对一些数据进行聚类，我想比较不同聚类技术的结果。我立即面临的问题是，对于不同的运行，集群的标签是不同的，因此即使集群完全相同，列表的相似性仍然很低

说我有

list1 = [1, 1, 0, 5, 5, 1, 8, 1]
list2 = [3, 3, 1, 2, 2, 3, 8, 3]

我（理想情况下）希望函数以翻译字典的形式返回最佳映射，如下所示：

findMapping(list1, list2)
>>> {0:1, 1:3, 5:2, 8:8}

我说“最佳映射”是因为假设

list3=[3,3,1,2,2,3,8,4]

那么

findMapping（list1,list3）

仍然会返回相同的映射，即使最后的

1

变成

4

，而不是

3

因此，最好的映射是使两个列表之间的差异数量最小化的映射。我认为这是一个好标准，但可能有更好的标准

我可以编写一个试错优化算法来实现这一点，但我不是第一个想要比较聚类算法结果的人。我希望这样的事情已经存在，我只是不知道它叫什么。但我四处搜索，没有找到任何答案

关键是，在应用了最佳翻译后，我将测量列表之间的差异，因此也许有一种方法可以测量不同索引的数字列表之间的差异，而无需将翻译作为中间步骤，这也很好

===================================

根据Pallie的回答，我能够创建findMapping函数，然后我进一步创建了一个转换函数，该函数返回转换为第一个列表标签的第二个列表

def translateLabels(masterList, listToConvert):    
  contMatrix = contingency_matrix(masterList, listToConvert)
  labelMatcher = munkres.Munkres()
  labelTranlater = labelMatcher.compute(contMatrix.max() - contMatrix)

  uniqueLabels1 = list(set(masterList))
  uniqueLabels2 = list(set(listToConvert))

  tranlatorDict = {}
  for thisPair in labelTranlater:
    tranlatorDict[uniqueLabels2[thisPair[1]]] = uniqueLabels1[thisPair[0]]

  return [tranlatorDict[label] for label in listToConvert]

即使使用这种转换（我需要一致绘制簇颜色），使用兰德索引和/或规范化互信息似乎也是比较不需要共享标签的差异的好方法

---

我也喜欢“第一”的想法，但在比较来自非常不同数据的聚类时，这可能不起作用。

您可以尝试计算两个结果之间的差异。这给出了一个介于-1和1之间的分数，其中1是一个完美的匹配

或采用混淆矩阵的argmax：

list1 = ['a', 'a', 'b', 'c', 'c', 'a', 'd', 'a']
list2 = [3, 3, 1, 2, 2, 3, 8, 3]
np.argmax(contingency_matrix(list1, list2), axis=1)
array([2, 0, 1, 3])

2表示第2行（值2，集群3）与“a”列0（索引为2）最匹配。然后，第0行匹配第1列，以此类推

对于匈牙利方法：

m = Munkres()
contmat = contingency_matrix(list1, list2)
m.compute(contmat.max() - contmat)
[(0, 2), (1, 0), (2, 1), (3, 3)]

---

使用：

是的，这是我所期望的存在。它确实满足了我在没有找到翻译的情况下测量列表之间距离的需要。如果可能的话，我仍然希望有“翻译图”，这样我就可以确定哪些项目不同，并为绘图生成全局颜色方案。对于这些信息，请尝试权变矩阵：我相信权变矩阵可以提供将一组标签转换为另一组标签所需的信息，但是只有这些文件，没有找到任何例子，我们完全不清楚如何做到这一点。使用列联矩阵的np.argmax应该会得到一个列表，其中索引是键，值是映射的值。一个好的映射。我认为值得指出的是，如果两个分区的基数不同，Munkres算法可能不是一个好主意（例如，一个地面真实值聚类被给定的聚类过程一分为二）。在这种情况下，Munkres算法将使一些聚类不匹配，而argmax技术（尽管是次优的）如果一个人需要一份完整的作业图，这是一个很好的方法。我认为这个问题有一定的优点，即使据说有人认为它是重复的。我投赞成票。