K 表示置换簇

Question

使用书中的以下代码，我对数字数据集进行聚类。因为 K 均值算法可以找到集群，但不知道哪个集群是“0”或“9”，我们必须将每个学习到的集群标签与在其中找到的真实标签进行匹配。

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)

我了解除部分之外的所有代码：

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

谁能给我解释一下？

Answer 1

mode() 在统计中表示在集合中出现频率最高的值。因此，匹配集群mask 的“真实”数字是属于集群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`

以mode:

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

将其分配给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]