Question

我想使用sklearns k-means聚类函数对鸢尾花数据集进行分类（尽管我删除了标签，所以现在是未标签的数据）。我已经建立了预测模型，并且输出似乎在很大程度上对数据进行了正确分类，但是它是随机选择标签（0、1和2），因此我无法将其与自己的标签进行比较以确定准确性（I已将setosa标记为0，杂色标记为1，virginica标记为2）。有什么方法可以正确标记花朵吗？

此处提供代码：

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，如预期的那样包含特征，name_val是包含花值的矩阵，setosa为0，杂色为1，virginica为2

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

Answer 1

首先，您不进行分类，而是对数据进行聚类。分类是一个不同的过程。

K-Means算法在选择初始聚类中心时包括随机性。通过设置random_state，您可以再现相同的聚类，因为初始聚类中心将是相同的。但是，这不能解决您的问题。您想要的是ID为0的聚类为setosa，聚类为1的聚类等。这是不可能的，因为K-Means算法不了解这些类别，它仅根据花朵的相似性对其进行分组。您可以做的是创建一条规则，以确定哪个集群对应于哪个类别。例如，您可以说，如果属于一个簇的花朵中有50％以上也属于setosa类别，则应将该簇的文档与setosa类别中的文档集进行比较。

这是我想到的最好的方法。但是，这不是我们评估刻划质量的方法，您可以使用一些度量标准，例如轮廓系数。希望我能帮上忙。

Answer 2

您需要查看clustering metrics来评估您的谓词，其中包括

现在以完整性得分为例，

如果属于给定类的所有数据点都是同一聚类的元素，则聚类结果将满足完整性。

例如

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

与您想要的相似。对于您来说，代码将是completeness_score（pred，name_val）。在此请注意，分配给数据点的标签并不重要，而它们彼此之间的标签很重要。

另一方面，同质性集中在同一群集内的数据点的质量上。而V-measure定义为2 * (homogeneity * completeness) / (homogeneity + completeness)

在此处阅读官方文档：Homogenity, completeness and V-measure

Answer 3

参考此博客 https://smorbieu.gitlab.io/accuracy-from-classification-to-clustering-evaluation/ 您需要使用匈牙利算法从混淆矩阵中获得关系。代码如下：

from scipy.optimize import linear_sum_assignment as linear_assignment
def cluster_acc(y_true, y_pred):
    cm = metrics.confusion_matrix(y_true, y_pred)
    _make_cost_m = lambda x:-x + np.max(x)
    indexes = linear_assignment(_make_cost_m(cm))
    indexes = np.concatenate([indexes[0][:,np.newaxis],indexes[1][:,np.newaxis]], axis=-1)
    js = [e[1] for e in sorted(indexes, key=lambda x: x[0])]
    cm2 = cm[:, js]
    acc = np.trace(cm2) / np.sum(cm2)
    return acc

或者只是导入库coclust

from coclust.evaluation.external import accuracy
accuracy(labels, predicted_labels)

确定k均值聚类的准确性

3 个答案: