Python 调整后的相互信息

我试图使用Python中的

scikit learn

包计算两组观测值之间的调整互信息（AMI）

观察结果如下：

观察1：

观察2：

我运行下面的代码，得到一个负的AMI，这在理论上是不可能的。你能帮我找出我做错了什么吗

from sklearn.metrics.cluster import adjusted_mutual_info_score
def amis(x, y):
     return adjusted_mutual_info_score(x, y)

---

您得到的负输出是正确的。虽然互信息（MI）不能为负，但调整后的互信息（AMI）可以为负。以下文件中也提到了这一点：

当两个分区相同（即完全匹配）时，AMI返回值1。随机分区（独立标签）的预期AMI平均为0左右，因此可能为负

---

您得到的负输出是正确的。虽然互信息（MI）不能为负，但调整后的互信息（AMI）可以为负。以下文件中也提到了这一点：

当两个分区相同（即完全匹配）时，AMI返回值1。随机分区（独立标签）的预期AMI平均为0左右，因此可能为负