使用决策树比较scikit学习聚类

Question

我正在为一个类做一个项目，我从LIBSVM中获取一些数据并通过2种不同的聚类算法运行它。我的kmeans产生了8个簇，而我的凝聚力则将它们分成3个簇。

现在，我试图判断由我的kmeans生成的群集标签是否可用于预测由我的凝聚群集生成的群集标签，例如将集群＃6中的所有实例映射到agg集群中的集群＃1。

我的教授建议使用决策树分类器，但我不太清楚如何做到这一点。我知道我会将agg聚类标签作为类标签，然后将我的数据输入其中，看看它是如何分类的。这是我的问题所在，我有几个：

1）scikit学习决策树分类器的输出是什么？它是每个实例可能归类为的概率列表吗？或者它是否明确地对每个实例进行分类？

2）输入数据后，每个实例都被归类为Agg生成的3个集群中的一个，我如何进入并找出它属于kmeans的集群？

3）有更好的方法吗？我们需要做的就是“以定量的方式比较不同方法产生的聚类”，因此我们不一定需要使用决策树分类器，但我不确定另一种好的方法是什么。我考虑了兰特和调整后的兰特指数，但那些似乎不是我正在寻找的

非常感谢任何帮助！提前谢谢！

Answer 1

首先让我回答3）。 是！ sklearn.metrics.cluster See the documentation。这是用＆＃34;真实参考＆＃34;的观点写的。但这并不是必要的，调整兰德指数和标准化互信息非常适合比较两个类似的两个类似，并且每个都会产生有意义的数字。

1）要么。 predict给出了类，predict_proba给出了概率。

2）我不明白这个问题。