sklearn：在测试数据集上计算k均值的准确性得分

sklearn：在测试数据集上计算k均值的准确性得分

在评估准确性方面。您应该记住，k均值 不是分类工具 ，因此分析准确性不是一个好主意。您可以执行此 *** 作，但这不是k-
means的目的。它应该找到一组最大的集群间距离的数据，而不使用您的标签进行训练。因此，通常使用RandIndex和其他聚类指标来测试k均值。为了使准确性最大化，您应该适合实际的分类器，例如kNN，逻辑回归，SVM等。

就代码本身而言，

k_means.predict(X_test)

返回 标签，它不更新内部

labels_

字段，您应该这样做

print(k_means.predict(X_test))

此外，在python中，您不必（也不应该）用于

[:]

打印数组，只需执行

print(k_means.labels_)print(y_test)