4

ここで検索してグーグルで検索しましたが、役に立ちませんでした。Weka でクラスタリングする場合、クラスからクラスタへの便利なオプションがあります。これは、単純な k-means などのアルゴリズムによって生成されたクラスタを、クラス属性として指定した「グラウンド トゥルース」クラス ラベルに一致させます。クラスターの精度 (% 不正解) を確認できるようにします。

さて、Matlab でこれをどのように達成できclusterClassesます[1, 1, 2, 1, 3, 2, 3, 1, 1, 1]か[2, 2, 2, 3, 1, 3]。

おそらくクラスターセンターとラベルセンターに基づいていると思いますが、実装方法がわかりません!

どんな助けでも大歓迎です。

ヴィンセント

4

4 に答える 4

4

数か月前にクラスタリングを行っているときに、同様の問題に遭遇しました。私は組み込みのソリューションを長い間検索しませんでしたが (それらが存在するに違いないと確信していますが)、見つけたラベルをグラウンド トゥルースと最適に一致させるための独自の小さなスクリプトを作成することになりました。コードは非常に粗雑ですが、開始する必要があります。

これは、可能な限りすべてのラベルの再配置を試みて、真理ベクトルに最適なウィッチを確認することに基づいています。つまり、 Ground Truthyte = [3 3 2 1]を使用したクラスタリング結果が与えられるy = [1 1 2 3]と、スクリプトは との一致を試みて最適な一致[3 3 2 1], [3 3 1 2], [2 2 3 1], [2 2 1 3], [1 1 2 3] and [1 1 3 2]をy見つけようとします。

perms()これは、10 を超える固有のクラスターを処理できない組み込みスクリプト ウィッチの使用に基づいています。複雑さが階乗として成長するため、コードは 7 ～ 10 個の一意のクラスターでも遅くなる傾向があります。

function [accuracy, true_labels, CM] = calculateAccuracy(yte, y)
%# Function for calculating clustering accuray and matching found 
%# labels with true labels. Assumes yte and y both are Nx1 vectors with
%# clustering labels. Does not support fuzzy clustering.
%#
%# Algorithm is based on trying out all reorderings of cluster labels, 
%# e.g. if yte = [1 2 2], try [1 2 2] and [2 1 1] so see witch fit 
%# the truth vector the best. Since this approach makes use of perms(),
%# the code will not run for unique(yte) greater than 10, and it will slow
%# down significantly for number of clusters greater than 7.
%#
%# Input:
%#   yte - result from clustering (y-test)
%#   y   - truth vector
%#
%# Output:
%#   accuracy    -   Overall accuracy for entire clustering (OA). For
%#                   overall error, use OE = 1 - OA.
%#   true_labels -   Vector giving the label rearangement witch best 
%#                   match the truth vector (y).
%#   CM          -   Confusion matrix. If unique(yte) = 4, produce a
%#                   4x4 matrix of the number of different errors and  
%#                   correct clusterings done.

N = length(y);

cluster_names = unique(yte);
accuracy = 0;
maxInd = 1;

perm = perms(unique(y));
[pN pM] = size(perm);

true_labels = y;

for i=1:pN
    flipped_labels = zeros(1,N);
    for cl = 1 : pM
        flipped_labels(yte==cluster_names(cl)) = perm(i,cl);
    end

    testAcc = sum(flipped_labels == y')/N;
    if testAcc > accuracy
        accuracy = testAcc;
        maxInd = i;
        true_labels = flipped_labels;
    end

end

CM = zeros(pM,pM);
for rc = 1 : pM
    for cc = 1 : pM
        CM(rc,cc) = sum( ((y'==rc) .* (true_labels==cc)) );
    end
end

例：

[acc newLabels CM] = calculateAccuracy([3 2 2 1 2 3]',[1 2 2 3 3 3]')

acc =

0.6667


newLabels =

 1     2     2     3     2     1


CM =

 1     0     0
 0     2     0
 1     1     1
于 2012-07-27T08:53:42.603 に答える
1

クラスターを評価するより柔軟な方法を検討することをお勧めします。たとえば、ペア カウント メトリック。

「クラス = クラスタ」という仮定は、機械学習からクラスタリングに移行する人々にとって典型的なものです。ただし、代わりに、一部のクラスが複数のクラスターで構成されているか、複数のクラスが実際にクラスター化されていると想定する必要があります。これらは、クラスタリング アルゴリズムが実際に検出する必要がある興味深い状況です。

于 2012-07-27T20:55:13.723 に答える