聚类与已知标签

本课属于 Coddy Machine Learning 学习旅程的“无监督学习”单元。第 13 课，共 51 课。

当标签存在，但 k-means 从未见过它们时，检查它找到的结果：pd.crosstab 会统计每个簇和标签的组合。

labels = KMeans(n_clusters=3, n_init=10, random_state=0).fit_predict(X)
print(pd.crosstab(labels, kind))

对于按长度和咖啡因含量聚类的 150 颗、共 3 种咖啡豆：每行代表一个簇，每列代表一种咖啡豆：

一个 3 行 3 列的计数表，行表示簇，列表示咖啡豆种类：阿拉比卡、利比里卡、罗布斯塔。簇 0 有 49 颗罗布斯塔豆；簇 1 有 48 颗阿拉比卡豆、3 颗利比里卡豆和 1 颗罗布斯塔豆；簇 2 有 47 颗利比里卡豆和 2 颗阿拉比卡豆

每个簇中的豆子大多属于同一类，只有 6 颗豆子分错了簇。而且 k-means 从未见过标签。

不过，簇并不是类。匹配度高意味着各类在数据上有所不同。匹配度低是一项发现，不是 bug。

挑战

中等

k 均值聚类能找出鸢尾花的品种吗？起始代码会对花朵进行缩放，将它们的名称保存在 species 中，读取 k 并对它们进行聚类。

将聚类结果与品种进行交叉统计。
对于每个品种，输出其在一个聚类中的最大数量，以及该品种的总数。
统计只包含一个品种的聚类数量。

换一个花园，并设 k = 3：

setosa: 48 of 50 share a cluster
versicolor: 41 of 50 share a cluster
virginica: 33 of 50 share a cluster
Clusters with one species: 0 of 3

亲手试试

import pandas as pd
from sklearn.datasets import load_iris
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans

# 150 朵鸢尾花的数据已缩放，每朵花的物种名称对 k-means 隐藏
iris = load_iris()
X = StandardScaler().fit_transform(iris.data)
species = iris.target_names[iris.target]

k = int(input())
labels = KMeans(n_clusters=k, n_init=10, random_state=0).fit_predict(X)

# 在下方编写你的代码