K-means 性能

Posted 2023-03-12

【中文标题】K-means 性能

【英文标题】：K-means performance

【发布时间】：2021-01-27 19:05:56

【问题描述】：

我有一个大型数据集，每个样本都有一个从 0 到 8 的特定类号。我使用了 sklearn python 包中的 K-means 算法。当我多次运行代码时，K-means 的输出是不同的。例如，第 246 个样本在第一次运行中属于集群 3，在第二次运行中属于集群 0。我还附上了一张图片供您参考。

我认为这是因为集群中心的随机初始化，但我需要在多次运行中获得恒定的结果。我该如何解决？

【问题讨论】：

你确定cluster_number 3和0不一样吗？ kmeans.cluster_centers_

绝对是一样的。但我想通过比较正确的集群 ID 和 k-means 集群 ID 来计算 k-means 性能，因此我需要为我的其余代码提供一个稳定的结果。

好吧，它们永远不会或只是偶然，因为算法从随机放置质心开始，然后优化它们的位置。

【参考方案1】：

簇的个数不是真实的数据，它是一个随机数来区分一个簇。 那就不是稳定数字了。

要知道类的真实类型，需要将已知的类和助记符关联起来。

您的样本：

1 : 246 是 #3

2 : 246 是 #0

您需要为 [246] 命名

【讨论】：

是的，我在帖子中也提到了你的观点。但是我需要通过每个样本的正确标签来计算 k-means 的性能，并且我需要一个稳定的结果。您知道如何通过为每个样本设置正确的类 ID 来计算 k-means 性能吗？

其实无论是哪个标签，只要0和3对应的id在两次运行中都相同即可。衡量性能是另一个问题，因为它是无人监督的，所以要棘手得多。你可以检查 silhoutte 分数。但在现实生活中，主要是基于您的业务。dzone.com/articles/….

稳定的结果是分类和助记符。您的问题是如何获取类的名称（类型）。它可能会将从当前拟合中获取的数字与已知样本相关联。是分类与教学相结合

关联：您的样本：246 是#3 246 是#0。 - 是你的答案