sklearn：计算测试数据集上k-均值的准确性得分

Question

我正在对具有2个聚类的30个样本集（我已经知道有两个类）的集合进行k均值聚类。我将数据分成训练和测试集，并尝试计算我测试集的准确性分数。但是有两个问题：首先我不知道我是否可以为k均值聚类实际做到这一点（测试集上的准确性分数）。第二：如果允许我这样做，不管我的实现是写还是错。以下是我已经试过：

df_hist = pd.read_csv('video_data.csv') 

y = df_hist['label'].values 
del df_hist['label'] 
df_hist.to_csv('video_data1.csv') 
X = df_hist.values.astype(np.float) 

X_train, X_test,y_train,y_test = cross_validation.train_test_split(X,y,test_size=0.20,random_state=70) 
k_means = cluster.KMeans(n_clusters=2) 
k_means.fit(X_train) 
print(k_means.labels_[:]) 
print(y_train[:]) 

score = metrics.accuracy_score(y_test,k_means.predict(X_test)) 
print('Accuracy:{0:f}'.format(score)) 

k_means.predict(X_test) 
print(k_means.labels_[:]) 
print(y_test[:]) 

但是，当我打印K-装置的测试组标签（k_means.predict（X_test）打印（k_means.labels_ [：]））和y_test标签（print（k_means.labels_ [：]））在最后三行中，我得到的标签与我在拟合X-train时的标签相同，而不是为X-测试。任何想法，我可能在这里做错了吗？我所做的评估k-means的性能是否正确？ 谢谢！

Answer 1

就评估的准确性而言。您应该记住，k-means 不是分类工具，因此分析准确性并不是一个好主意。你可以做到这一点，但这不是k-means的用途。它应该找到一组数据，以最大化群集间距离，它不会使用您的标签进行训练。因此，像k-means这样的东西通常用RandIndex和其他聚类度量标准进行测试。对于精度的最大化，你应该符合实际的分类，如k近邻，logistic回归SVM等

在代码本身而言，k_means.predict(X_test)回报标签，它不更新内部labels_场，你应该做的

print(k_means.predict(X_test)) 

此外，在Python中，你不必（也不应该）使用[:]打印一个数组，只是做

print(k_means.labels_) 
print(y_test)