如何确定两个数据点的分区（集群）是否相同？

什么时候两个分区相同？

如果他们具有完全相同的成员，可能。

因此，如果您只想测试身份，则可以执行以下 *** 作：

用分区中 最小的 对象ID 替换每个分区ID 。

然后，当且仅当此表示形式相同时，两个分区才是相同的。

在上面的示例中，假设矢量索引1 .. 7是您的对象ID。然后我将得到规范形式

[ 1 1 1 4 4 6 7 ]  ^ first occurrence at pos 1 of 1 in l_1 / 2 in l_2        ^ first occurrence at pos 4

对于l_1和l_2，而l_3规范化为

[ 1 1 1 4 4 6 6 ]

为了更加清楚，这是另一个示例：

l_4 = [ A B 0 D 0 B A ]

规范化为

      [ 1 2 3 4 3 2 1 ]

因为簇“ A”的首次出现在位置1，“ B”在位置2等。

如果要测量两个聚类的 相似 程度，一种好的方法是查看对象对的precision / recall /
f1，当且仅当a和b属于同一聚类时，对象对（a，b）存在。

更新： 由于有人声称这是二次方的，因此我将进一步澄清。

要产生规范形式，请使用以下方法（实际的python代码）：

def canonical_form(li):  """ Note, this implementation overwrites li """  first = dict()  for i in range(len(li)):    v = first.get(li[i])    if v is None:      first[li[i]] = i      v = i    li[i] = v  return liprint canonical_form([ 1, 1, 1, 0, 0, 2, 6 ])# [0, 0, 0, 3, 3, 5, 6]print canonical_form([ 2, 2, 2, 9, 9, 3, 1 ])# [0, 0, 0, 3, 3, 5, 6]print canonical_form([ 2, 2, 2, 9, 9, 3, 3 ])# [0, 0, 0, 3, 3, 5, 5]print canonical_form(['A','B',0,'D',0,'B','A'])# [0, 1, 2, 3, 2, 1, 0]print canonical_form([1,1,1,0,0,2,6]) == canonical_form([2,2,2,9,9,3,1])# Trueprint canonical_form([1,1,1,0,0,2,6]) == canonical_form([2,2,2,9,9,3,3])# False