Scikit学习使用Logistic回归问题使用K均值进行维数缩减时，我仍需要提供目标变量吗？

问题描述

目前，一名学生正在通过Scikit-Learn，Keras和TensorFlow 2nd Edition学习Aurelien Geron的机器学习实践。在聚类一章中，他介绍了一个管道，该管道首先使用KMeans聚类进行维降，然后对MNIST Digit数据集执行逻辑回归。

标准进口：

from sklearn.datasets import load_digits
X_digits,y_digits = load_digits(return_X_y = True)

from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test = train_test_split(X_digits,y_digits)

作者然后引用：

“我们将创建一个管道，该管道首先将训练集聚类为50个聚类，然后 将图像及其距离替换为这50个聚类 ，然后应用Logistic回归模型“

from sklearn.pipeline import Pipeline
from sklearn.cluster import KMeans
from sklearn.linear_model import LogisticRegression

pipeline = Pipeline([
    ("kmeans",Kmeans(n_clusters=50)),("log_reg",LogisticRegression())
])

pipeline.fit(X_train,y_train)

>>>pipeline.score(X_test,y_test)
0.9777

1. 由于Kmeans聚类的输出将为X_train拆分中的每一行分配给我聚类，为什么还要在 pipeline.fit 中包括y_train参数作为目标？
li>
2. Aurelien说“ 将图像替换为与这50个簇的距离 ”是什么意思。再次，为什么我们不能仅将y_train分配为KMeans聚类的输出类？

如果我理解不正确，感谢您对概念的解释！

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）