sklearn：在测试数据集上计算k均值的准确性得分

Question

我正在对30个带有2个聚类的样本进行k均值聚类（我已经知道有两个类）。我将数据分为训练集和测试集，并尝试计算测试集的准确性得分。但是有两个问题：首先，我不知道我是否真的可以针对k均值聚类做到这一点（测试集上的准确性得分）。第二：如果我被允许这样做，那么我的实现是写的还是错误的。这是我尝试过的：

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，当我在 最后三行中 打印 测试集的k-means标签（ k_means.predict（X_test）
print（k_means.labels [：]） ）和y_test标签（ _print（k_means.labels [：]）_ ）时，与安装X-
train时得到的标签相同，而不是为X测试生成的标签。知道我在这里做错了什么吗？我在评估k均值性能时所做的一切对吗？谢谢！

Answer 1

在评估准确性方面。您应该记住，k均值 不是分类工具 ，因此分析准确性不是一个好主意。您可以执行此操作，但这不是k-
means的目的。它应该找到一组最大的集群间距离的数据，而不使用您的标签进行训练。因此，通常使用RandIndex和其他聚类指标来测试k均值。为了使准确性最大化，您应该适合实际的分类器，例如kNN，逻辑回归，SVM等。

就代码本身而言，k_means.predict(X_test) 返回 标签，它不更新内部labels_字段，您应该这样做

print(k_means.predict(X_test))

此外，在python中，您不必（也不应该）用于[:]打印数组，只需执行

print(k_means.labels_)
print(y_test)