python - 使用 python 和 scikit-learn 的 DBSCAN : What exactly are the integer labes returned by make_blobs?

Question

我正在尝试理解由 scikit ( http://scikit-learn.org/0.13/auto_examples/cluster/plot_dbscan.html) 实现的 DBSCAN 算法的示例。

我换了行

X, labels_true = make_blobs(n_samples=750, centers=centers, cluster_std=0.4)

使用 X = my_own_data，因此我可以将自己的数据用于 DBSCAN。

现在，变量 labels_true 是 make_blobs 的第二个返回参数，用于计算结果的一些值，如下所示:

print "Homogeneity: %0.3f" % metrics.homogeneity_score(labels_true, labels)
print "Completeness: %0.3f" % metrics.completeness_score(labels_true, labels)
print "V-measure: %0.3f" % metrics.v_measure_score(labels_true, labels)
print "Adjusted Rand Index: %0.3f" % \
    metrics.adjusted_rand_score(labels_true, labels)
print "Adjusted Mutual Information: %0.3f" % \
    metrics.adjusted_mutual_info_score(labels_true, labels)
print ("Silhouette Coefficient: %0.3f" %
       metrics.silhouette_score(D, labels, metric='precomputed'))

如何从我的数据 X 中计算出 labels_true？在这种情况下，scikit 对 label 到底意味着什么？

感谢您的帮助!

Answer 1

labels_true 是点到标签的“真实”分配:它们实际上应该属于哪个集群。这是可用的，因为 make_blobs知道它从哪个“blob”生成了点。

你不能为你自己的任意数据 X 得到它，除非你有某种真正的点标签(在这种情况下你无论如何都不会进行聚类)。这只是显示了在您知道真实答案的假案例中聚类的执行情况的一些度量。