评估K意味着使用python进行聚类

我有一个类似的数据集，如下所示：

我使用以下代码执行了K均值聚类：

from scipy.cluster.vq import kmeans, vq
data=np.matrix(dataAll.ix[:,:-1])
centers, _ = kmeans(data, 3, iter=100)
cluster, _ = vq(data, centers)

---

在这里，我想问一下如何评估k意味着聚类。我想获得精度、准确度、f度量值等值

如果您有金标准/基本真值，您可以使用我的代码[]计算成对精度、召回率、FScore和NMI

请注意，这篇文章是用印度尼西亚语写的，但是不要担心，您可以跳过所有的解释，直接转到文章底部的代码。[我编写了Matlab和Python实现]

---

python代码是可用的分支

这些测试只有在您知道正确的集群标签应该是什么（即，您知道每个数据点属于哪个集群）的情况下才能工作。通常，这不是评估集群的方式，集群通常与无监督学习相关。因此，您可以考虑查看簇内方差和簇间差异。distances@inspectorG4dget我已经读过，k表示可以返回标签，所以我认为我们可以得到精度、准确度和f度量，因为我们已经知道每个数据的标签。我只是这样想，也许我错了。是的，k-means返回类标签。但是，如果不知道正确的标签，就无法测量精度/准确度，以检查k-means是否正确。这就是我在上一篇文章中所说的comment@inspectorG4dget是的，我知道了，谢谢：）@inspectorG4dget我正在编写我自己的应用程序，我知道类标签。那么我该如何评估呢？