sklearn：计算测试数据集上k-means的准确度得分

Posted 2023-02-23

【中文标题】sklearn：计算测试数据集上k-means的准确度得分

【英文标题】：sklearn: calculating accuracy score of k-means on the test data set

【发布时间】：2016-10-16 23:10:49

【问题描述】：

我正在对具有 2 个聚类的 30 个样本集进行 k-means 聚类（我已经知道有两个类）。我将数据分为训练集和测试集，并尝试计算测试集的准确度分数。但是有两个问题：首先我不知道我是否真的可以为 k-means 聚类做到这一点（测试集上的准确度得分）。第二：如果允许我这样做，我的实现是对还是错。这是我尝试过的：

df_hist = pd.read_csv('video_data.csv')

y = df_hist['label'].values
del df_hist['label']
df_hist.to_csv('video_data1.csv')
X = df_hist.values.astype(np.float)

X_train, X_test,y_train,y_test =  cross_validation.train_test_split(X,y,test_size=0.20,random_state=70)
k_means = cluster.KMeans(n_clusters=2)
k_means.fit(X_train)
print(k_means.labels_[:])
print(y_train[:])

score = metrics.accuracy_score(y_test,k_means.predict(X_test))
print('Accuracy:0:f'.format(score))

k_means.predict(X_test)
print(k_means.labels_[:])
print(y_test[:])

但是，当我为测试集打印 k-means 标签时 (k_means.predict(X_test) print(k_means.labels_[:])) 和 y_test 标签(print(k_means.labels_[:])) 在最后三行中，我得到的标签与我安装 X-train 时的标签相同，而不是为X 检验。知道我在这里可能做错了什么吗？我正在做什么来评估 k-means 的性能是否正确？ 谢谢！

【参考方案1】：

在评估准确性方面。您应该记住，k-means 不是分类工具，因此分析准确性不是一个好主意。你可以这样做，但这不是 k-means 的用途。它应该找到一组最大化集群间距离的数据，它不使用你的标签来训练。因此，像 k-means 这样的东西通常会用 RandIndex 和其他聚类指标来测试。为了最大限度地提高准确性，您应该拟合实际的分类器，例如 kNN、逻辑回归、SVM 等。

就代码本身而言，k_means.predict(X_test)返回标签，它不会更新内部labels_字段，你应该这样做

print(k_means.predict(X_test))

此外，在 python 中，您不必（也不应该）使用[:] 来打印数组，只需这样做

print(k_means.labels_)
print(y_test)