我有一个要素数据集'X'和一个标签数据集'Y'。现在在这个问题中我只允许使用X数据集并仅使用Y作为参考。
我正在使用sklearn的Kmeans算法来预测要素数据集的标签。但是，在使用已经分配的标签比较衍生标签时，Kmeans错误地将大约40％的标签分类。
所以相反，我决定使用Kmeans来推导标签和分类算法，以使用X和派生标签来拟合和预测，目的是获得更好的准确性。
这个策略是否有效，是否有人可以建议我使用一个好的分类算法来实现此目的？谢谢。
答案 0 :(得分：0)
K-means是一种半监督学习算法，这意味着它需要一些示例来学习。所以它需要有数据和类标签。但是，k-means通常用于无人监督的学习问题，如你的。
为实现此目的，类标签随机初始化，并根据此标签计算 k 数量的均值。然后重新标记数据并计算新的质心。等等，直到没有任何变化。该算法将收敛到局部最优，因此不一定是全局最优，因此分类结果高度依赖于初始均值。
通常可以通过使用更智能的初始化来改善结果，例如k-means++算法。在sklearn module for kmeans中，通过传递init=kmeans++作为参数，也可以进行初始化。像这样：
KMeans(init='k-means++', n_clusters=k)
我建议您尝试一下，看看它是否会产生更好的结果。另外，请务必为k选择一个合适的数字，等于数据中的类数。
使用差的k均值分类结果作为完全监督学习算法的输入将不起作用。然后，您将训练分类器以了解k-means分类给出的不良标记。在这种情况下，你最好看看其他（更复杂的）无监督学习算法，如neural gas。