11、聚类算法在MNIST数据集上的应用与评估

聚类算法在MNIST数据集上的应用与评估

1. 评估聚类结果

为了演示k-means算法的工作原理以及增加簇数量如何使簇更加同质，我们定义一个函数来分析每次实验的结果。聚类算法生成的簇分配将存储在一个名为 clusterDF 的Pandas DataFrame中。以下是具体步骤：
1. 统计每个簇中的观测数量 ：

def analyzeCluster(clusterDF, labelsDF):
    countByCluster = \
        pd.DataFrame(data=clusterDF['cluster'].value_counts())
    countByCluster.reset_index(inplace=True,drop=False)
    countByCluster.columns = ['cluster','clusterCount']

2. 合并簇分配和真实标签 ：

    preds = pd.concat([labelsDF,clusterDF], axis=1)
    preds.columns = ['trueLabel','cluster']

3. 统计每个真实标签的观测数量 ：