Machine learning 我在哪里可以找到一组好的带有地面真相标签的基准聚类数据集？

我正在寻找一个聚类数据集与“地面真相”标签为一些已知的自然聚类，最好与高维

我在这里找到了一些很好的候选者（），但只有Glass和Iris数据集有点的标签。我还发现了一些生成高斯数据集（SynDECA）的代码。我希望这样做的主要原因是比较一些聚类方法的距离度量。很难使用外部（外在）评估标准，因为许多评估标准偏向于欧几里得距离；有那么多可供选择的

---

谢谢

除了提到的和存储库之外，还有许多数据集。

以下是其他集群基准聚合器的列表：

• （FCPS）
• （蜥蜴，变色龙）
• （国际单项体育联合会）
• （托马斯·巴顿的仓库）
• （数据世界）
• （马雷克·加戈列夫斯基的知识库）

---

谢谢您的回复。我已经很快地查看了这个repo，但是找不到具有“已知”自然聚类的数据集。你有分类数据集；但是共享一个类的数据可能不在同一个集群中。我需要的是一个已经生成的或已知包含内在“正确”聚类的数据集（如Iris或Glass集）。类似于属性1…属性n，然后是一个附加列，表示Cluster#。老实说，我不确定这些数据是否真的存在；由于“正确”的聚类往往是主观的（特别是对于高清数据），我不得不同意你想要的可能不是真实的东西。当我想到“正确的聚类”时，在我看来，这相当于一个分类问题。聚类！=上课。大多数情况下，类中都会有集群，而类又可能是集群。考虑虹膜数据集：两个虹膜物种清楚地聚类。@安尼-慕斯，但是，如果你有一组“正确”的聚类，在某种意义上，这是基于一些未包含在预测器中的观察到的特征，这不是一个簇而是一个类，不是吗？也许我没有正确理解用户3457088的要求。我也不知道有人在任何数据集上标记实际集群。通常，标记是面向目标的（即类），与其说是观察，不如说是“这些对象似乎比其他对象更密切相关”，即使其他对象具有相同的功能。为什么外部度量应该偏向于欧几里得距离？对于凸面簇，内部有偏向。