sklearn k 表示集群标签与真值标签

在聚类中，聚类之间没有有意义的顺序或比较，我们只是找到具有共同点的观测值组。没有理由将一个集群称为“蓝色集群”和“红色集群”（除非您对该域有一些额外的了解）。出于这个原因，sklearn 会任意为每个集群分配编号。

print(clustering.labels_)
[1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 2 2 2 0 2 2 2 2 2 2 2 2 0 2 2 2 2 0 2 2 2
 2 0 0 0 2 2 2 2 2 2 2 0 0 2 2 2 2 2 2 2 2 2 2 2 2 2 0 2 0 0 0 0 2 0 0 0 0
 0 0 2 2 0 0 0 0 2 0 2 0 2 0 0 2 0 0 0 0 0 0 2 2 0 0 0 2 0 0 0 2 0 0 0 2 0
 0 2]

标签可以很容易地将所有 1 替换为 0，将 0 替换为 1，并且仍然是同一组簇。

在本例中，编号与真实值中使用的编号不匹配，因此当我们查看生成的聚类与真实值时，颜色不匹配，因此我们使用示例中所示的方式重新分配它们：np.choose

relabel = np.choose(clustering.labels_,[2,0,1]).astype(np.int64)

这将采用当前标签，并将 0 更改为 2（因为索引 0 为 2）、1 更改为 0 和 2 更改为 1。这是同一组集群，但我们更改了（任意）标签以匹配。

回答你关于如何知道它们何时匹配或不匹配的问题：聚类是一种无监督学习形式，这意味着你通常根本没有基本事实，也没有什么需要担心匹配的。在这个例子中，我们知道了基本事实，我们可以看到聚类没有并排匹配，因此我们可以根据需要选择使颜色匹配。我们也可以选择不这样做，因为它们无论如何都是相同的集群，但您可能会发现以这种方式可视化更容易。