确定 k 均值聚类的准确性

Question

我想使用 sklearns k-means 聚类函数对鸢尾花数据集进行分类（虽然我删除了标签，所以现在它是未标记的数据）。我已经制作了预测模型，输出似乎在很大程度上正确地对数据进行了分类，但是它是随机选择标签（0、1 和 2），我无法将其与我自己的标签进行比较以确定准确性（我将 setosa 标记为 0，versicolor 标记为 1，virginica 标记为 2）。有什么方法可以正确地给花贴上标签吗？

代码如下：

from sklearn.cluster import KMeans
cluster = KMeans(n_clusters = 3)
cluster.fit(features)
pred = cluster.labels_
score = round(accuracy_score(pred, name_val), 4)
print('Accuracy scored using k-means clustering: ', score)

特征，如预期包含特征，name_val是包含花值的矩阵，0代表setosa，1代表versicolor，2代表virginica

编辑：我想出的一个解决方案是将 random_state 设置为任意数字，以便标签保持不变，还有其他解决方案吗？

Answer 1

您需要查看聚类指标来评估您的预测，其中包括

1. 同源性得分
2. 电压测量
3. 完整性评分等

现在以完整性分数为例，

如果属于给定类的所有数据点都是同一簇的元素，则聚类结果满足完整性。

例如

from sklearn.metrics.cluster import completeness_score
print completeness_score([0, 0, 1, 1], [1, 1, 0, 0])
#Output : 1.0

与您想要的类似。对于您来说，代码将是completeness_score(pred, name_val)。请注意，分配给数据点的标签并不重要，重要的是它们相对于彼此的标签。

另一方面，同质性关注同一集群内数据点的质量。而 V-measure 定义为2 * (homogeneity * completeness) / (homogeneity + completeness)

请阅读此处的官方文档：同质性、完整性和 V 测量