如何使用sklearn为每个kmeans集群评分

问题描述

如何使用sklearn对每个kmeans集群分别评分？ 我的代码如下所示，我看到的每个评估指标对所有聚类均得出一个分数，但我需要分别评估每个聚类。

model = MiniBatchKMeans(init ='k-means++',n_clusters = 2,batch_size = 200,max_no_improvement = 10,verbose = 0) 
model.fit(X)
labels = model.labels_
print(metrics.silhouette_score(X,labels,metric='euclidean'))

如果有人对我的问题有更好的主意，这就是我要解决的实际问题：

我想聚类非常大的tf-idf向量数据集（非常稀疏的向量），我不知道真正的标签甚至聚类数。因此，我想使用kmeans进行分层聚类，并在每一步使用kmeans（k = 2）来获得更好的聚类，并继续这样做直到评估指标变差。我看到了其他聚类算法，例如Agglomerativeclustering或Optics，但它们不适用于稀疏数据集，并且没有足够的内存来增加k并尝试使用kmeans进行更高的数值。还有更好的主意吗？

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@）