Python k-均值聚类精度的确定

我想使用skk-means聚类函数对虹膜花数据集进行分类（虽然我去掉了标签，所以现在它是一个未标记的数据）。我已经建立了预测模型，输出似乎在很大程度上正确地对数据进行了分类，但它是随机选择标签（0、1和2），我无法将其与我自己的标签进行比较以确定准确性（我已将setosa标记为0，VersionColor标记为1，virginica标记为2）。有没有办法给这些花贴上正确的标签

代码如下：

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，正如预期的那样包含特征，name_val是包含花值的矩阵，0表示setosa，1表示versicolor，2表示virginica

---

编辑：我提出的一个解决方案是将random_state设置为任意数字，以便标签保持不变，还有其他解决方案吗？

首先，您不是在分类，而是在对数据进行聚类。分类是一个不同的过程

K-Means算法在选择初始聚类中心时考虑了随机性。通过设置random_状态，您可以复制相同的群集，因为初始群集中心将相同。但是，这并不能解决您的问题。您想要的是id为0的簇被设置为setosa，id为1的簇被设置为versicolor等。这是不可能的，因为K-Means算法不知道这些类别，它只根据花的相似性对花进行分组。您可以做的是创建一个规则来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中有50%以上也在setosa类别中，那么该簇的文档应该与setosa类别中的文档集进行比较

---

这是我能想到的最好的方法。然而，这不是我们评估客户服务质量的方式，您可以使用一些指标，例如轮廓系数。我希望我能帮上忙。

你需要看一下以评估你的倾向，包括

等等

现在以完整性得分为例

如果作为给定类成员的所有数据点都是同一个集群的元素，则集群结果满足完备性

比如说

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

和你想要的差不多。对于您来说，代码将是完整性评分（pred，name\u val）。这里需要注意的是，指定给数据点的标签并不重要，而是它们之间的标签很重要

另一方面，同质性关注同一集群内数据点的质量。鉴于，V-度量定义为

2*（同质性*完整性）/（同质性+完整性）

请阅读此处的官方文档：

此博客的参考资料 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

或者只导入库coclust

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

---

k-means不是一个分类器。你想在这里实现什么？这是否回答了你的问题？