K 表示置换簇

Question

我使用书中的以下代码对数字数据集进行聚类。因为 K 均值算法可以找到聚类，但不知道哪个聚类是“0”或“9”，我们必须将每个学习到的聚类标签与其中找到的真实标签匹配。

digits=load_digits()
X=digits.data
y=digits.target

#Instantiate the k_means estimator and set the hyerparameters
model=KMeans(n_clusters=10,random_state=0)
model.fit(X)
y_pred=model.predict(X)

#Match each learned cluster label with the true labels found in them
from scipy.stats import mode

labels=np.zeros_like(y_pred)
for i in range(10):
    mask=(y_pred==i)
    labels[mask]=mode(digits.target[mask])[0]

conf=confusion_matrix(y,labels)

我理解除以下部分之外的所有代码：

        labels[mask]=mode(digits.target[mask])[0]

有人可以给我解释一下吗？

Answer 1

mode()在统计中是指在一个集合中出现次数最多的值。因此，与簇 mask 匹配的 "true" 数字是属于簇 mask.
的所有数字中出现频率最高的数字所以，

digits.target[mask] # the set of all true labels of cluster `mask`

参加 mode:

mode(digits.target[mask])  # finds the most frequent digit in this cluster

赋值给labels[mask]，从而匹配k-means簇和集合中的真实数字：

labels[mask]=mode(digits.target[mask])[0]

K 表示置换簇

K means permute clusters

python

numpy

machine-learning

k-means

scikit-learn