K-means 集群 - 绘制每个集群中的类比例答案

【问题标题】：K-means cluster - Plot class proportions in each clusterK-means 集群 - 绘制每个集群中的类比例
【发布时间】：2017-07-28 09:41:36
【问题描述】：

我正在开展一个项目，利用未标记数据集的聚类结构来提高监督学习聚类算法的性能。预处理数据后 - 存储在矩阵中 - 我使用 k-means 对数据进行聚类，如下所示：

from sklearn.cluster import KMeans
k = KMeans(n_clusters=40).fit(X)

我在y 中存储了所需的标签。我很想看看不同的类是如何聚集的，即。如果集群是相对纯的或混合的。

为此，我想查看每个集群中每个类的比例。这是一个二元分类任务 - 正例（由 y 中的 1 表示）和负例（由 y 中的 0 表示）。

（y数组的第n个元素是X矩阵第n行的正确标签。）

【问题讨论】：

【解决方案1】：

我会使用熊猫：

import pandas as pd

将真实标签和集群标签组合成一个数据框：

df = pd.DataFrame({'clusters' : k.labels_, 'labels' : y})

按集群分组，并为每个集群获取 1 的分数：

df.groupby('clusters').apply(lambda cluster: cluster.sum()/cluster.count())

【讨论】：