在数学上如何将分类结果与聚类结果进行比较

Posted 2023-03-13

【中文标题】在数学上如何将分类结果与聚类结果进行比较

【英文标题】：Mathematically how does one compare classification result to clustering results

【发布时间】：2014-06-02 06:35:18

【问题描述】：

是否有标准方法来比较分类算法和聚类算法的结果（准确性）？我的数据只有两个真正的标签。当我对其运行二进制分类时很容易检查准确性，但是如果我运行聚类，我要求它将数据聚类为 5 组，我如何检查准确性并将其与二进制分类进行比较。我知道聚类不适用于（两个标签）数据，但如何在数学上证明这一点？

【参考方案1】：

聚类成两个以上的聚类是进行 2 类分类的一种方法（只需选择每个聚类中更常见的标签作为聚类的预测标签）。然而，这是一种非常奇怪的方法，因为它会忽略标签，直到计算出聚类后的最后一刻。监督学习（即分类）提供了更强大的工具，例如用于分类的随机森林。

【讨论】：

谢谢，是的，我同意，分类绝对是更好的选择，但我需要了解如何比较数据集（恰好有两个标签）上的聚类和分类的准确性。我完全期望集群表现不佳，我只是想要一种方法来实际比较它是合适的。您选择一个通用标签的建议很有意义。我会试试的。再次感谢您。

【参考方案2】：

不要将聚类作为分类方法

他们有非常不同的目标，真的不应该比较。分类是关于复制已知标签，您需要注意过度拟合、训练/测试拆分等。另一方面，聚类是探索性。任何真正探索性的方法将最终找不到任何东西，或者只会出现明显的结果。

通过尝试以与分类相同的方式对其进行评估，您“过度拟合”到产生明显（如果有的话）的聚类方法。

相反，通过查看结果来评估聚类。如果你 学习从结果中学到了一些东西，那很好。如果没有，请重试。

不要试图在每件事上都贴上数字

有超过黑色、白色和 50 种灰色阴影。把所有东西都放在一个数字中是一个灰度的世界观……它很流行（“善与恶”的想法也是如此）；但在科学方面我们应该做得更好。