Python准确性检查给出0翻转分类结果

我正在使用

sklearn.metrics

我的分类测试数据标签用于

[1 1 0 0 0 1 1]

Kmeans给出了如下标签：

[0 0 1 1 1 0 0]

基本上，Kmeans分类正确，但标签翻转了<代码>精度检查的精度为0%

我的代码

X_full, y_full = make_blobs(n_samples=nsamples,
                            centers=2,
                            n_features=no_feat,
                            random_state=ran)

X, X_test, y, y_test = train_test_split(X_full, y_full, test_size=0.2)

kmeans = KMeans(2, random_state=3)
labels = kmeans.fit(X).predict(X_test)
acc = accuracy_score(y_test, labels)
print("KMeans:", acc)

关于如何实现这一点有什么想法吗

编辑：我也不能简单地翻转标签，因为有时它确实能正确分类。在其他情况下，我也有多个标签

---

谢谢你

除了准确度评分，你能试一下吗

例如，您可以尝试

v\u measure\u score

而不是

accurity\u score

据

此度量与标签的绝对值无关：a 类或簇标签值的排列不会更改 以任何方式为价值打分

---

为了衡量集群检索类的效果，如果您恰好有标签，那么出于您指出的原因，使用

accurity\u score

是错误的。本质上，这是因为集群算法为其集群提供任意标签。相反，在这种情况下，您应该使用调整后的兰德分数，无论标签如何，它都将返回相同的分数：

from sklearn.metrics.cluster import adjusted_rand_score

print(adjusted_rand_score([0, 0, 1, 1], [0, 0, 1, 1]))
print(adjusted_rand_score([0, 0, 1, 1], [1, 1, 0, 0]))

两者都应该返回1.0