Question

我一直在使用Sklearn的Kmeans实现

我一直在对标记的数据集进行聚类，并且我一直在使用sklearn的clustering metrics来测试聚类性能。

Sklearn的Kmeans聚类输出就像您知道k_clusters范围内的数字列表一样。但我的标签是strings。

到目前为止，我对它们没有任何问题，因为sklearn.metrics.cluster的指标适用于混合输入（int和str标签列表）。

但是现在我想使用classification metrics中的一些内容，而根据我收集的内容，输入k_true和k_pred需要属于同一组。 k范围内的数字，或者我的数据集正在使用的字符串标签。如果我尝试它，它会返回以下错误：

AttributeError: 'bool' object has no attribute 'sum'

那么，我怎样才能将k_means标签翻译成其他类型的标签？或者甚至相反（字符串标签 - >整数标签）。

我怎么能开始实施呢？由于k_means非常不确定，因此标签可能会从迭代变为迭代。有正确的方法来正确翻译Kmeans标签吗？

编辑：

实施例

表示k = 4

kmeans输出：[0,3,3,2,........0]

班级标签：['CAT','DOG','DOG','BIRD',.......'CHICKEN']

Answer 1

您可以使用字典创建映射，例如

mapping_dict = { 0: 'cat', 1: 'chicken', 2:'bird', 3:'dog'}

然后您可以使用say list comprehension等简单地应用此映射。假设您的标签存储在列表kmeans_predictions

中

mapped_predictions = [ mapping_dict[x] for x in kmeans_predictions]

然后使用mapped_predictions作为预测

更新：根据您的评论，我相信您必须反过来这样做。我的意思是将您的标签转换为`int'映射。

此外，您不能在此处使用任何分类指标。使用Completeness score，v-measure和homogenity因为这些更适合群集问题。在这里盲目使用任何随机分类指标是不正确的。

Answer 2

群集不是分类。

这些方法不会预测标签，因此您不得使用分类评估指标。这就像测量每加仑英里的苹果质量一样......

如果你坚持做错事（tm），那么使用匈牙利算法找到最佳映射。但要注意：集群的数量和类的数量通常不一样。如果是这种情况，使用这样的映射将是不公平的负面（不映射额外的集群）或不公平的正面（映射！uktiple集群到同一标签将考虑N个点是N个集群＆＃34;解决方案＆＃34;最优）。最好只使用聚类测量。