由于聚类的自动索引与真实标签不匹配，如何评估K-Means聚类？

问题描述

由于聚类的自动索引可能是原始标签的排列，我们如何测量K-Means聚类算法的准确性（例如，生成混淆矩阵）？

解决方法

我也不完全知道你的意思。您最初的标签也许就是地面真理标签。 k-means提供的聚类结果通常是一个整数，其范围与k-means算法希望给您的k个聚类一样多。

我通常使用pandas.crosstab函数来可视化使用带有交叉表的kmeans标签的地物标签的本地化。

为获得更好的可视化效果，您可能需要使用以下内容：

import seaborn as sns
import matplotlib.pyplot as plt

plt.figure(figsize=(30,10))

# plot the heatmap for correlation matrix
ax = sns.heatmap(crosstab_groundtruth_kmeans.T,square=True,annot=True,fmt='.2f')

ax.set_yticklabels(
    ax.get_yticklabels(),rotation=0);

out:

祝你好运！〜

,

k均值是一个聚类（分组算法，不用于分类），因此，检查和分析准确性是不可行的。 k均值的主要概念是找到一个数据点集群，该数据点可以最大程度地提高“集群之间”的距离（并且不具有标签的概念，因此无法获得准确性矩阵）。更多见解：https://scikit-learn.org/stable/modules/clustering.html#k-means

必须使用predict中的sklearn.cluster.KMeans方法来手动分析准确性（假设您要可视化哪个簇由哪些数据点组成）。它基本上是“预测X中每个样本所属的最近的簇”。 （from documentation）