为聚类命名

本课属于 Coddy Machine Learning 学习旅程的“无监督学习”单元。第 46 课，共 51 课。

簇只有编号，没有名称。现在你可以使用标签：交叉表会统计每个簇中各个数字的数量，例如这 3 个簇中的 1、7 和 9：

一个 3 × 3 的计数表，行是簇，列是数字 1、7 和 9。每行中最大的计数都用方框标出：簇 0 中有 166 个 9，簇 1 中有 176 个 7，簇 2 中有 154 个 1

用最常见的数字为每个簇命名。扫描结果中属于该数字的，都算作命名正确：

ct = pd.crosstab(km.labels_, y)
names = ct.idxmax(axis=1)      # 每行值最大的那一列
right = ct.max(axis=1).sum()
print(names.tolist(), right)

这会输出 [9, 7, 1] 496：在 541 次扫描中，有 496 次扫描被正确命名，这些扫描按组查找，过程中没有使用任何标签。

挑战

中等

为你的 10 个簇命名。起始代码中有 km，它是在没有标签的情况下拟合的；现在你可以使用 y 中的数字。

将这些簇与 y 交叉统计，并用每个簇中最常见的数字为它命名。
按名称顺序，打印每个簇中正确命名的扫描数量、簇的大小，以及正确命名扫描所占的比例，百分比取整数。
打印整体正确命名的扫描数量，百分比保留 1 位小数。

对于 5 个簇：

Cluster named 0: 175 of 177 scans (99%)
Cluster named 2: 160 of 367 scans (44%)
Cluster named 3: 168 of 531 scans (32%)
Cluster named 6: 179 of 359 scans (50%)
Cluster named 7: 176 of 363 scans (48%)
Named right without labels: 858 of 1797 scans (47.7%)

你的哪个簇最弱？其中藏着什么？

亲手试试

import pandas as pd
from sklearn.datasets import load_digits
from sklearn.decomposition import PCA
from sklearn.cluster import KMeans

# 来自 Look at the Digits：1,797 张扫描图，每张有 64 个像素，墨迹值从 0 到 16。
digits = load_digits()
X = digits.data
y = digits.target

# 来自 Shrink with PCA：每张扫描图用 13 个数字保留 80% 的方差。
pca = PCA(n_components=0.8)
X_small = pca.fit_transform(X)

# 来自 Cluster the Digits：不使用标签，找出 10 个簇。
km = KMeans(n_clusters=10, n_init=10, random_state=0).fit(X_small)

# 在下方编写你的代码。