python - 如何正确将Kmeans标签翻译为类别标签

Question

我一直在使用 Sklearn 的 Kmeans 实现

我一直在对一个有标签的数据集进行聚类，并且我一直在使用 sklearn 的 clustering metrics以测试聚类性能。

Sklearn 的 Kmeans 聚类输出如您所知，是 k_clusters 范围内的数字列表。然而我的标签是字符串。

到目前为止，我对它们没有任何问题，因为来自 sklearn.metrics.cluster 的指标适用于混合输入(int 和 str 标签列表)。

但是现在我想使用 classification metrics 中的一些根据我收集的信息，输入 k_true 和 k_pred 需要属于同一组。要么是 k 范围内的数字，要么是我的数据集正在使用的字符串标签。如果我尝试它，它会返回以下错误:

AttributeError:“bool”对象没有属性“sum”

那么，如何将 k_means 标签转换为其他类型的标签？或者甚至相反(字符串标签 -> 整数标签)。

我怎样才能开始实现它呢？由于 k_means 相当不确定，因此标签可能会因迭代而变化。有没有合法的方法可以正确翻译 Kmeans 标签？

编辑:

示例

对于 k = 4

kmeans 输出:[0,3,3,2,........0]

类标签:['CAT','DOG','DOG','BIRD',.......'CHICKEN']

Answer 1

聚类不是分类。

这些方法不会预测标签，因此您不得使用分类评估措施。这就像以每加仑英里数来衡量苹果的质量一样......

如果你坚持做错事(tm)，那么使用匈牙利算法来找到最佳映射。但要注意:簇的数量和类的数量通常不会相同。如果是这种情况，使用这样的映射要么是不公平的负值(不映射额外的簇)，要么是不公平的正值(将 !uktiple 簇映射到同一标签将认为 N 个点是 N 个簇“解决方案”最优)。最好只使用聚类措施。