【发布时间】：2019-07-02 23:30:08
【问题描述】：
我有一个任务让我很头疼。我已经生成了一种算法，可以将颜色分类到箱/子组中。我想评估它与 人类直觉 相比的效果如何。所以我创建了一些颜色列表（我的数据）并手动将它们分类到我认为算法应该如何对颜色进行排序的箱/子组中（我的基本事实）。然后我将这些相同的颜色列表（我的数据）提供给算法，并将其排序与我的基本事实进行比较。
这就是我的问题。我不知道如何最好地将基本事实与结果进行比较，以评估算法的运行情况。谁能提供有关如何比较 2 个颜色列表的建议？
以下是基本事实和算法结果的示例。我需要比较这 2 个不同的颜色列表，以查看结果与基本事实（左侧）的接近程度。 如您所见；箱的数量变化，每个箱的长度是可变的，每个箱中的颜色顺序是可变的。唯一不变的是两个列表将始终具有相同数量的颜色（它们的排序方式不同）。这就是为什么要弄清楚如何比较它们变得如此复杂（至少对我来说）。
输入数据示例，即提供给颜色分类器的颜色列表：
[[69,99,121],[59,91,103],[71,107,140],[97,132,162],[85,117,141],[94,136,153],[86,131,144],[65,99,118],[211,214,2191],[204,20], [203,207,188]，[194,199,180]，[219,215,200]，[214,206,195]，[197,188,191]，[197,188,192]，[186,197,180]，[206,197,181]，[206,196,183]，[38,35,31]，[5 ,5,12],[31,34,41],[42,39,34],[30,32,27],[12,8,9]]
颜色分类器的示例输出（上面的颜色已被分类到 4 个 bin/sub-groups）：
[ [[69,99,121],[59,91,103],[71,107,140],[97,132,162],[85,117,141],[94,136,153],[86,131,144],[65,99,118]], [[211,214,201],[204,204,191],[203,207,188],[215,216,203],[194,199,180]], [[222,215,200],[219,213,195],[214,206,191],[197,188,172],[186,177,160],[206,197,181],[206,196,183]], [[38,35,31],[5,5,12],[31,34,41],[42,39,34],[30,32,27],[12,8,9]] ]
注意：如果您认为这样更容易比较，我可以轻松地将排序颜色的格式更改为其他格式（如 numpy 数组或直方图）。请注意直方图，每个 bin 的数量需要相同，因此我可能需要填充其中一个列表。
当子列表顺序无关紧要且子列表长度如此多变时，如何比较这两个 python 列表？
编辑 澄清问题：我想我已经解决了 bin 比较（见下面的代码）。问题是如何知道从ground truth 中的哪个bin 与结果中的哪个bin 进行比较。例如，在上面的图像中，我需要比较来自地面实况（左侧）的 bin 2 和来自结果（右侧）的 bin 1，即比较它们每个的橙色 bin。当结果中没有 bin 可与基本事实进行比较时，也会出现问题。
def validator(result_bin, ground_truth_bin):
# todo: padd the shorter bin with black values so each is the same length
dists = cdist(result_bin, ground_truth_bin, 'euclidean')
correct_guesses = np.sum(dists<25, axis=1)
score = float(len(correct_guesses)) / len(ground_truth_bin)
return score
【问题讨论】：