Hi all,
I want to ask you about clustering usign Birch clustering algorithm.
I have a *distance matrix* n*n M where M_ij is the distance between object_i
and object_j.(You can see file format in the attachment).
I want to cluster them using Birch clustering algorithm.
Does this method have 'precomputed' option.
I needed train an SVM on the centroids of the microclusters so
*How can i get the centroids of the microclusters?*
Any help would be highly appreciated.
*Birch code:*
from sklearn.cluster import Birch
from io import StringIO
import numpy as np
X=np.loadtxt(open("C:\dm.txt", "rb"), delimiter="\t")
brc = Birch(branching_factor=50, n_clusters=3,
threshold=0.5,compute_labels=True,copy=True)
brc.fit(X)
brc.predict(X)
print(brc.predict(X))
Any help would be highly appreciated.
0.000 1.000 1.000 1.000 0.444 0.667 0.500 0.563 0.500 0.375
1.000 0.633 0.375 0.625 1.000 0.684 1.000 1.000 0.583 1.000
1.000 1.000 1.000 0.654 0.615 1.000 1.000 1.000 0.725 1.000
0.500 0.333 0.400 1.000 0.765 0.692 1.000 0.583 0.714 0.500
1.000 0.600 0.632 1.000 0.375 0.556 1.000 0.654 0.462 0.720
1.000 0.000 0.800 1.000 1.000 1.000 0.607 0.583 1.000 0.500
1.000 0.333 0.571 0.717 1.000 0.667 1.000 1.000 0.745 0.692
0.652 0.333 0.692 0.643 0.632 0.727 0.655 1.000 1.000 1.000
0.333 0.542 0.826 0.500 1.000 0.640 1.000 0.429 0.333 0.704
0.643 0.417 0.719 0.500 1.000 0.765 0.400 0.650 1.000 1.000
1.000 0.444 0.000 0.727 1.000 1.000 1.000 1.000 1.000 0.766
0.444 1.000 1.000 0.611 1.000 1.000 1.000 1.000 1.000 1.000
1.000 1.000 1.000 0.739 1.000 1.000 1.000 1.000 1.000 1.000
1.000 1.000 0.867 1.000 1.000 1.000 0.556 1.000 1.000 1.000
1.000 0.200 1.000 1.000 0.333 1.000 1.000 1.000 1.000 1.000
1.000 1.000 0.727 0.000 0.588 1.000 1.000 1.000 1.000 0.652
1.000 1.000 0.636 1.000 1.000 1.000 1.000 1.000 1.000 1.000
0.667 0.707 1.000 1.000 1.000 0.429 1.000 1.000 1.000 1.000
1.000 1.000 1.000 1.000 1.000 0.444 1.000 1.000 0.400 1.000
0.742 1.000 1.000 1.000 1.000 1.000 0.783 1.000 0.611 1.000
0.364 1.000 1.000 0.588 0.000 1.000 1.000 0.143 1.000 1.000
1.000 1.000 0.792 0.611 1.000 0.333 1.000 1.000 1.000 1.000
1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
1.000 1.000 0.571 1.000 0.546 1.000 1.000 1.000 1.000 1.000
1.000 0.667 0.556 1.000 1.000 0.733 0.333 1.000 1.000 0.640
0.692 1.000 1.000 1.000 1.000 0.000 1.000 0.167 1.000 0.500
1.000 1.000 0.632 1.000 1.000 0.720 1.000 1.000 1.000 1.000
1.000 1.000 1.000 0.809 1.000 0.375 1.000 1.000 1.000 1.000
1.000 1.000 1.000 0.636 1.000 1.000 1.000 1.000 1.000 1.000
1.000 0.500 0.333 1.000 0.760 0.286 0.625 1.000 1.000 0.700
0.500 0.615 1.000 1.000 1.000 1.000 0.000 1.000 1.000 1.000
1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.667 1.000 1.000
1.000 1.000 1.000 1.000 1.000 0.375 1.000 1.000 1.000 1.000
1.000 1.000 1.000 1.000 0.667 1.000 1.000 1.000 1.000 1.000
1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
0.563 0.583 1.000 1.000 0.167 0.167 1.000 0.000 0.710 0.500
0.667 0.429 0.583 0.750 1.000 1.000 0.200 1.000 0.455 0.500
1.000 0.500 0.429 0.773 0.429 0.455 0.767 1.000 1.000 0.500
0.600 0.615 0.746 1.000 0.533 0.769 0.200 0.500 0.563 0.286
0.643 0.500 0.667 0.375 0.722 0.500 0.654 1.000 0.647 0.714
0.500 1.000 1.000 1.000 1.000 1.000 1.000 0.710 0.000 1.000
1.000 0.783 0.539 1.000 0.000 1.000 0.667 1.000 1.000 1.000
1.000 1.000 0.429 0.714 0.522 0.500 0.636 1.000 0.600 0.704
0.636 0.680 0.588 1.000 1.000 1.000 0.333 1.000 0.250 1.000
0.400 1.000 0.800 1.000 1.000 1.000 1.000 1.000 0.571 0.615
0.375 0.500 0.766 0.652 1.000 0.500 1.000 0.500 1.000 0.000
0.556 0.636 0.809 1.000 1.000 0.167 0.771 0.636 1.000 1.000
1.000 0.722 0.708 1.000 1.000 1.000 1.000 1.000 0.556 1.000
0.679 0.667 0.867 1.000 0.700 1.000 0.690 0.778 0.588 0.767
0.526 0.600 1.000 0.625 0.500 0.333 0.750 1.000 1.000 0.500
1.000 1.000 0.444 1.000 1.000 1.000 1.000 0.667 1.000 0.556
0.000 0.750 1.000 0.783 1.000 1.000 1.000 0.563 1.000 0.333
1.000 1.000 1.000 1.000 0.588 1.000 0.556 1.000 1.000 1.000
1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.333
1.000 0.500 0.444 1.000 1.000 1.000 0.600 1.000 1.000 1.000
0.633 0.333 1.000 1.000 1.000 1.000 1.000 0.429 0.783 0.636
0.750 0.000 0.625 1.000 1.000 1.000 1.000 0.600 0.600 0.429
1.000 1.000 0.714 1.000 0.600 1.000 1.000 1.000 0.680 1.000
1.000 1.000 1.000 0.750 1.000 1.000 0.286 0.546 1.000 0.500
1.000 0.556 0.429 0.500 1.000 0.739 0.546 1.000 1.000 0.703
0.375 0.571 1.000 0.636 0.783 0.429 1.000 0.583 0.539 0.809
1.000 0.625 0.000 1.000 1.000 0.500 0.650 0.722 0.654 0.619
0.677 0.333 0.700 1.000 1.000 0.333 1.000 0.455 0.667 1.000
0.643 0.333 0.750 0.758 1.000 0.600 0.546 0.375 1.000 0.778
0.500 0.375 0.600 0.571 0.556 0.683 0.750 1.000 1.000 0.737
0.625 0.717 0.611 1.000 0.333 1.000 1.000 0.750 1.000 1.000
0.783 1.000 1.000 0.000 1.000 1.000 1.000 1.000 1.000 1.000
1.000 0.500 1.000 0.444 1.000 1.000 1.000 0.724 1.000 1.000
1.000 0.500 0.640 1.000 0.650 0.842 1.000 0.375 1.000 0.444
1.000 1.000 0.588 1.000 0.704 0.600 0.667 1.000 1.000 0.723
1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.000 1.000
1.000 1.000 1.000 1.000 0.000 1.000 1.000 1.000 1.000 1.000
1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.667 1.000 1.000
0.500 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
0.684 0.667 1.000 1.000 0.333 0.720 1.000 1.000 1.000 0.167
1.000 1.000 0.500 1.000 1.000 0.000 1.000 0.667 1.000 1.000
0.667 1.000 0.667 1.000 1.000 0.625 0.667 1.000 0.250 1.000
0.667 0.250 0.714 1.000 1.000 1.000 0.735 1.000 0.583 1.000
0.636 1.000 1.000 0.429 1.000 0.727 1.000 1.000 1.000 1.000
1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.200 0.667 0.771
1.000 1.000 0.650 1.000 1.000 1.000 0.000 1.000 1.000 1.000
1.000 0.571 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
0.667 0.455 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.167
0.692 1.000 0.500 1.000 0.625 1.000 0.756 1.000 1.000 1.000
1.000 1.000 1.000 1.000 1.000 1.000 0.667 1.000 1.000 0.636
0.563 0.600 0.722 1.000 1.000 0.667 1.000 0.000 1.000 0.643
1.000 1.000 0.455 1.000 0.333 0.700 0.500 0.667 1.000 1.000
1.000 1.000 1.000 0.333 0.700 1.000 1.000 1.000 1.000 0.429
1.000 1.000 0.444 0.500 1.000 1.000 1.000 1.000 1.000 1.000
0.583 0.745 1.000 1.000 1.000 1.000 1.000 0.455 1.000 1.000
1.000 0.600 0.654 1.000 1.000 1.000 1.000 1.000 0.000 1.000
1.000 0.741 0.706 1.000 1.000 0.429 0.500 1.000 1.000 1.000
1.000 1.000 0.677 1.000 0.744 1.000 0.680 1.000 1.000 1.000
1.000 0.286 0.444 0.710 0.650 0.704 0.826 0.630 1.000 1.000
1.000 0.692 1.000 1.000 1.000 1.000 1.000 0.500 1.000 1.000
0.333 0.429 0.619 1.000 1.000 1.000 1.000 0.643 1.000 0.000
1.000 1.000 0.636 1.000 0.692 1.000 0.333 0.667 1.000 1.000
0.800 0.571 0.688 1.000 0.686 0.652 0.682 0.250 1.000 0.444
0.286 1.000 1.000 0.649 1.000 0.286 1.000 1.000 1.000 1.000
1.000 0.652 1.000 0.667 1.000 1.000 1.000 1.000 1.000 1.000
1.000 1.000 0.667 1.000 1.000 0.667 1.000 1.000 1.000 1.000
0.000 1.000 0.579 1.000 0.539 1.000 0.643 1.000 1.000 0.571
1.000 1.000 1.000 1.000 1.000 1.000 0.805 1.000 1.000 1.000
1.000 1.000 1.000 0.739 0.600 1.000 1.000 1.000 1.000 0.522
1.000 0.333 1.000 0.707 1.000 1.000 1.000 0.500 1.000 0.722
1.000 1.000 0.333 0.500 1.000 1.000 0.571 1.000 0.741 1.000
1.000 0.000 0.723 0.167 1.000 1.000 1.000 1.000 0.778 1.000
1.000 0.657 1.000 1.000 0.643 1.000 0.667 0.719 0.556 0.795
0.706 0.429 1.000 0.333 0.333 0.500 0.455 0.759 1.000 0.722
1.000 0.692 1.000 1.000 1.000 1.000 1.000 0.429 0.429 0.708
1.000 0.714 0.700 1.000 1.000 0.667 1.000 0.455 0.706 0.636
0.579 0.723 0.000 1.000 1.000 1.000 0.643 1.000 0.706 1.000
0.714 1.000 0.588 1.000 0.556 1.000 1.000 1.000 1.000 1.000
1.000 1.000 0.500 1.000 0.667 1.000 0.556 1.000 1.000 0.429
0.654 0.643 0.739 1.000 1.000 0.769 1.000 0.773 0.714 1.000
1.000 1.000 1.000 0.444 1.000 1.000 1.000 1.000 1.000 1.000
1.000 0.167 1.000 0.000 1.000 1.000 1.000 1.000 1.000 1.000
0.333 0.760 1.000 1.000 1.000 1.000 1.000 0.375 1.000 1.000
1.000 1.000 1.000 0.724 1.000 1.000 1.000 1.000 1.000 1.000
0.615 0.632 1.000 1.000 1.000 1.000 1.000 0.429 0.522 1.000
0.588 0.600 1.000 1.000 1.000 1.000 1.000 0.333 1.000 0.692
0.539 1.000 1.000 1.000 0.000 0.455 0.600 1.000 1.000 1.000
1.000 0.647 0.722 1.000 1.000 1.000 1.000 0.583 1.000 1.000
0.500 0.500 0.500 0.429 0.556 0.667 0.769 1.000 0.333 0.550
1.000 0.727 1.000 0.429 1.000 1.000 0.375 0.455 0.500 1.000
1.000 1.000 0.333 1.000 1.000 0.625 1.000 0.700 0.429 1.000
1.000 1.000 1.000 1.000 0.455 0.000 0.730 1.000 1.000 1.000
0.583 1.000 0.625 1.000 0.625 0.583 0.762 1.000 1.000 0.500
1.000 1.000 0.719 1.000 0.760 0.667 0.364 0.167 1.000 1.000
1.000 0.364 1.000 1.000 1.000 1.000 1.000 0.750 0.636 1.000
0.556 1.000 1.000 1.000 1.000 0.667 1.000 0.500 0.500 0.429
0.643 1.000 0.643 1.000 0.600 0.700 0.000 1.000 1.000 1.000
1.000 0.556 1.000 0.625 0.611 1.000 1.000 1.000 1.000 1.000
0.500 0.286 0.462 1.000 0.583 0.600 0.583 0.824 1.000 0.684
1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
1.000 1.000 0.455 0.724 1.000 1.000 1.000 0.667 1.000 0.667
1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.000 1.000 1.000
1.000 0.778 1.000 1.000 1.000 1.000 0.250 0.500 1.000 1.000
1.000 1.000 1.000 1.000 1.000 0.583 1.000 1.000 1.000 1.000
0.725 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.600 0.556
1.000 0.680 0.667 1.000 1.000 0.250 1.000 1.000 1.000 1.000
1.000 0.778 0.706 1.000 1.000 1.000 1.000 1.000 0.000 1.000
0.793 0.731 1.000 1.000 1.000 1.000 0.333 1.000 1.000 0.722
1.000 1.000 0.696 1.000 0.286 0.400 1.000 1.000 1.000 0.429
1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.500 0.704 1.000
1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
0.571 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.000
1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
1.000 0.333 1.000 1.000 0.790 1.000 1.000 1.000 1.000 1.000
0.500 0.333 1.000 1.000 1.000 1.000 1.000 0.600 0.636 0.679
1.000 1.000 0.643 1.000 1.000 0.667 0.667 1.000 1.000 0.800
1.000 1.000 0.714 0.333 1.000 0.583 1.000 1.000 0.793 1.000
0.000 0.727 0.583 1.000 0.625 1.000 0.556 0.556 1.000 0.571
0.625 0.769 1.000 1.000 1.000 0.583 1.000 0.647 1.000 0.692
0.333 0.542 1.000 1.000 1.000 1.000 1.000 0.615 0.680 0.667
1.000 1.000 0.333 0.500 1.000 0.250 0.455 1.000 1.000 0.571
1.000 0.657 1.000 0.760 0.647 1.000 0.556 0.778 0.731 1.000
0.727 0.000 1.000 1.000 0.333 1.000 0.400 0.571 1.000 0.167
0.750 0.775 0.686 1.000 0.773 0.500 0.652 1.000 0.692 0.688
0.400 0.826 0.867 1.000 0.571 1.000 1.000 0.746 0.588 0.867
1.000 1.000 0.750 0.640 1.000 0.714 1.000 1.000 0.677 0.688
1.000 1.000 0.588 1.000 0.722 0.625 1.000 1.000 1.000 1.000
0.583 1.000 0.000 1.000 1.000 1.000 1.000 1.000 0.714 0.400
0.333 1.000 0.700 0.727 0.667 0.600 1.000 1.000 1.000 1.000
1.000 0.500 1.000 1.000 1.000 0.636 1.000 1.000 1.000 1.000
1.000 0.750 0.758 1.000 1.000 1.000 1.000 0.333 1.000 1.000
1.000 1.000 1.000 1.000 1.000 1.000 0.625 1.000 1.000 1.000
1.000 1.000 1.000 0.000 1.000 1.000 1.000 1.000 1.000 0.563
1.000 0.629 1.000 1.000 1.000 1.000 0.563 0.615 0.625 1.000
0.765 1.000 1.000 1.000 0.546 1.000 0.667 0.533 1.000 0.700
1.000 1.000 1.000 0.650 1.000 1.000 1.000 0.700 0.744 0.686
1.000 0.643 0.556 1.000 1.000 0.625 0.611 1.000 1.000 1.000
0.625 0.333 1.000 1.000 0.000 1.000 1.000 1.000 1.000 0.333
1.000 0.556 1.000 0.688 0.600 0.667 1.000 0.000 1.000 1.000
0.692 0.640 1.000 0.444 1.000 1.000 1.000 0.769 1.000 1.000
1.000 1.000 0.600 0.842 1.000 1.000 1.000 1.000 1.000 0.652
1.000 1.000 1.000 1.000 1.000 0.583 1.000 1.000 1.000 1.000
1.000 1.000 1.000 1.000 1.000 0.000 0.333 1.000 1.000 1.000
1.000 1.000 0.680 0.400 0.632 1.000 1.000 1.000 1.000 1.000
1.000 1.000 0.556 1.000 1.000 1.000 1.000 0.200 0.333 0.690
1.000 0.286 0.546 1.000 1.000 0.735 1.000 1.000 0.680 0.682
0.805 0.667 1.000 1.000 1.000 0.762 1.000 0.250 0.333 1.000
0.556 0.400 1.000 1.000 1.000 0.333 0.000 0.727 0.692 0.714
0.615 1.000 0.500 0.429 1.000 0.546 1.000 1.000 1.000 0.711
0.583 0.429 1.000 1.000 1.000 1.000 1.000 0.500 1.000 0.778
1.000 0.546 0.375 0.375 0.667 1.000 1.000 1.000 1.000 0.250
1.000 0.719 1.000 0.375 0.583 1.000 1.000 0.500 1.000 1.000
0.556 0.571 1.000 1.000 1.000 1.000 0.727 0.000 0.600 0.667
1.000 0.769 0.500 1.000 1.000 1.000 1.000 0.667 0.600 1.000
0.714 0.333 1.000 0.400 1.000 1.000 1.000 0.563 0.250 0.588
1.000 1.000 1.000 1.000 1.000 0.583 1.000 1.000 1.000 1.000
1.000 0.556 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
1.000 1.000 0.714 1.000 1.000 1.000 0.692 0.600 0.000 0.615
1.000 0.400 0.696 0.625 0.625 0.640 0.600 0.429 0.750 1.000
0.500 0.704 1.000 1.000 1.000 1.000 1.000 0.286 1.000 0.767
0.333 0.500 0.778 0.444 1.000 1.000 0.167 0.429 1.000 0.444
1.000 0.795 1.000 1.000 1.000 0.500 1.000 1.000 0.722 1.000
0.571 0.167 0.400 0.563 0.333 1.000 0.714 0.667 0.615 0.000
0.333 0.556 1.000 0.636 1.000 0.571 0.667 0.500 1.000 1.000
1.000 0.583 1.000 0.742 1.000 1.000 1.000 0.643 0.400 0.526
1.000 1.000 0.500 1.000 0.500 0.636 0.692 1.000 1.000 0.286
1.000 0.706 1.000 1.000 0.500 1.000 0.500 1.000 1.000 1.000
0.625 0.750 0.333 1.000 1.000 1.000 0.615 1.000 1.000 0.333
0.000 0.533 0.696 0.737 1.000 0.716 0.667 1.000 0.546 1.000
0.600 0.417 0.200 1.000 0.667 0.500 1.000 0.500 1.000 0.600
0.500 0.556 0.375 1.000 1.000 1.000 1.000 1.000 0.286 1.000
1.000 0.429 1.000 1.000 0.500 1.000 1.000 1.000 1.000 0.333
0.769 0.775 1.000 0.629 0.556 1.000 1.000 0.769 0.400 0.556
0.533 0.000 1.000 0.571 0.650 0.571 1.000 0.500 0.533 1.000
0.632 0.719 1.000 1.000 0.556 0.333 1.000 0.667 0.800 1.000
0.444 0.429 0.600 0.588 1.000 1.000 0.500 0.444 0.444 1.000
1.000 1.000 0.500 1.000 0.500 0.719 0.462 1.000 0.696 1.000
1.000 0.686 0.700 1.000 1.000 0.680 0.500 0.500 0.696 1.000
0.696 1.000 0.000 0.167 1.000 1.000 0.529 0.704 0.714 0.500
1.000 0.500 1.000 1.000 1.000 1.000 1.000 0.375 1.000 0.625
1.000 0.500 0.571 1.000 1.000 0.429 1.000 0.500 0.710 0.649
0.667 0.333 1.000 0.724 0.429 1.000 1.000 1.000 1.000 1.000
1.000 1.000 0.727 1.000 0.688 0.400 0.429 1.000 0.625 0.636
0.737 0.571 0.167 0.000 1.000 0.680 0.500 0.333 0.571 0.700
0.375 1.000 0.333 1.000 1.000 0.760 1.000 0.722 1.000 0.500
1.000 1.000 0.556 0.704 1.000 1.000 0.625 1.000 0.650 1.000
0.600 0.333 0.667 1.000 0.556 0.760 0.583 1.000 0.286 0.790
1.000 0.773 0.667 1.000 0.600 0.632 1.000 1.000 0.625 1.000
1.000 0.650 1.000 1.000 0.000 0.607 1.000 0.737 1.000 0.417
0.556 0.706 1.000 1.000 0.667 0.167 1.000 0.500 1.000 0.588
1.000 0.739 0.683 0.600 1.000 0.727 1.000 1.000 0.704 0.333
1.000 0.500 1.000 1.000 0.619 0.667 0.600 0.739 0.500 1.000
0.583 0.500 0.600 1.000 0.667 1.000 0.546 1.000 0.640 0.571
0.684 0.571 1.000 0.680 0.607 0.000 0.743 0.730 0.556 0.563
1.000 0.400 1.000 0.783 0.333 0.625 1.000 0.654 1.000 0.750
0.667 0.546 0.750 0.667 1.000 1.000 0.756 1.000 0.800 1.000
1.000 0.455 0.556 1.000 0.769 0.364 0.583 1.000 1.000 1.000
1.000 0.714 1.000 0.563 1.000 1.000 1.000 1.000 0.600 1.000
0.667 1.000 0.529 0.500 1.000 1.000 0.000 0.462 0.556 0.615
0.654 0.650 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 0.630 1.000
1.000 0.759 1.000 1.000 1.000 0.167 1.000 1.000 1.000 1.000
0.647 1.000 1.000 0.615 0.000 1.000 1.000 0.667 0.429 0.500
1.000 0.500 0.704 0.333 0.737 0.730 0.462 0.000 0.722 0.633
0.462 1.000 1.000 0.611 1.000 1.000 1.000 0.647 0.571 1.000
1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000
1.000 1.000 1.000 1.000 0.333 1.000 1.000 1.000 1.000 1.000
1.000 0.692 1.000 0.625 1.000 1.000 1.000 0.600 0.750 1.000
0.546 0.533 0.714 0.571 1.000 0.500 0.556 0.722 0.000 0.546
0.720 1.000 1.000 1.000 0.640 0.700 1.000 0.714 0.615 0.500
1.000 0.703 0.737 0.723 1.000 1.000 1.000 1.000 1.000 1.000
0.522 0.722 0.429 1.000 0.550 1.000 0.684 1.000 0.429 1.000
0.692 0.688 1.000 1.000 1.000 1.000 0.711 1.000 1.000 1.000
1.000 1.000 0.500 0.700 0.417 0.563 0.615 0.633 0.546 0.000
_______________________________________________
scikit-learn mailing list
scikit-learn@python.org
https://mail.python.org/mailman/listinfo/scikit-learn
