Python NameError:未为dbscan定义名称“labels\u true”

我正在使用模板脚本并尝试输入数据。然而，我不确定labels_true意味着什么，因为错误声明它是未定义的

这是我的数据数组：

data=array([[5.71585827e+00, 3.32320000e+04],
       [0.00000000e+00, 0.00000000e+00],
       [0.00000000e+00, 0.00000000e+00],
       ...,
       [9.57746479e-02, 3.40000000e+01],
       [7.01388889e-01, 1.01000000e+02],
       [9.70350404e-02, 3.60000000e+01]])

现在我正在应用这个脚本：

import numpy as np
from sklearn.cluster import DBSCAN
from sklearn import metrics
from sklearn.preprocessing import StandardScaler


# #############################################################################

X=data
X = StandardScaler().fit_transform(X)

# #############################################################################
# Compute DBSCAN
db = DBSCAN(eps=0.3, min_samples=10).fit(X)
labels = db.labels_ 

print("Homogeneity: %0.3f" % metrics.homogeneity_score(labels_true, labels))


NameError: name 'labels_true' is not defined

从on scikit中，增加了学习同质性的重点：

给定基本真值的簇标记的齐性度量

这里的标签是真的

用作参考的地面真值类别标签

所以，如果你已经有了基本事实，那就是labels\u true参数，它将与你预测的标签进行比较，得到分数

这里的错误显然是因为您没有在labels_true中提供这样的基本事实，并且变量没有定义，正如错误所说的那样

其直接后果是，如果无法获得基本事实，则无法使用度量