Question

我正在对具有2个簇的30个样本的集合进行k-means聚类（我已经知道有两个类）。我将我的数据分成训练和测试集，并尝试计算我的测试集上的准确度分数。但是有两个问题：首先我不知道我是否可以实际为k-means聚类做这个（测试集的准确度得分）。第二：如果我被允许这样做，我的实现是写还是错。这是我尝试过的：

df_hist = pd.read_csv('video_data.csv')

y = df_hist['label'].values
del df_hist['label']
df_hist.to_csv('video_data1.csv')
X = df_hist.values.astype(np.float)

X_train, X_test,y_train,y_test =  cross_validation.train_test_split(X,y,test_size=0.20,random_state=70)
k_means = cluster.KMeans(n_clusters=2)
k_means.fit(X_train)
print(k_means.labels_[:])
print(y_train[:])

score = metrics.accuracy_score(y_test,k_means.predict(X_test))
print('Accuracy:{0:f}'.format(score))

k_means.predict(X_test)
print(k_means.labels_[:])
print(y_test[:])

但是，当我为测试集打印k-means标签时（ k_means.predict（X_test） print（k_means.labels _ [：]））和y_test标签（ print（k_means.labels _ [：]））在最后三行中，我得到的标签与我安装X-train时的标签相同，而不是为X测试。知道我在这里做错了什么吗？我正在做什么来评估k-means的表现是否正确？谢谢！

Answer 1

在评估准确性方面。您应该记住k-means 不是分类工具，因此分析准确性不是一个好主意。你可以做到这一点，但这不是k-means的用途。它应该找到最大化群集间距离的数据分组，它不会使用您的标签进行训练。因此，像k-means这样的东西通常会用RandIndex和其他聚类指标来测试。为了最大化准确性，您应该适合实际的分类器，如kNN，逻辑回归，SVM等。

就代码本身而言，k_means.predict(X_test) 返回标签时，它不会更新内部labels_字段，您应该这样做

print(k_means.predict(X_test))

此外，在python中，您不必（也不应该）使用[:]来打印数组，只需执行

print(k_means.labels_)
print(y_test)

sklearn：计算测试数据集上k-means的准确度得分

1 个答案: