scikit-learn 中聚类的混淆矩阵

我有一组带有已知标签的数据。我想尝试聚类，看看是否可以获得已知标签给出的相同聚类。为了测量准确性，我需要得到类似混淆矩阵的东西。

我知道我可以轻松获得分类问题测试集的混淆矩阵。我已经尝试过了this http://scikit-learn.org/stable/auto_examples/model_selection/plot_confusion_matrix.html.

但是，它不能用于聚类，因为它期望列和行具有相同的标签集，这对于分类问题是有意义的。但对于聚类问题，我期望的是这样的。

行 - 实际标签

列 - 新集群名称（即 cluster-1、cluster-2 等）

有没有办法做到这一点？

Edit: 这里有更多细节。

In sklearn.metrics.confusion_matrix http://scikit-learn.org/stable/modules/generated/sklearn.metrics.confusion_matrix.html，它期望y_test and y_pred具有相同的值，并且labels成为这些值的标签。

这就是为什么它给出的矩阵的行和列具有相同的标签，如下所示。

但在我的例子（KMeans Clustering）中，实际值是字符串，估计值是数字（即簇数）

因此，如果我打电话confusion_matrix(y_true, y_pred)它给出以下错误。

ValueError: Mix of label input types (string and number)

这才是真正的问题。对于分类问题，这是有道理的。但对于聚类问题，这种限制不应该存在，因为真实的标签名称和新的聚类名称不需要相同。

有了这个，我知道我正在尝试使用一个应该用于分类问题的工具来解决聚类问题。所以，我的问题是，有没有办法为可能的聚类数据获得这样的矩阵。

希望现在问题更清楚了。如果不是，请告诉我。

我自己写了一段代码。

# Compute confusion matrix
def confusion_matrix(act_labels, pred_labels):
    uniqueLabels = list(set(act_labels))
    clusters = list(set(pred_labels))
    cm = [[0 for i in range(len(clusters))] for i in range(len(uniqueLabels))]
    for i, act_label in enumerate(uniqueLabels):
        for j, pred_label in enumerate(pred_labels):
            if act_labels[j] == act_label:
                cm[i][pred_label] = cm[i][pred_label] + 1
    return cm

# Example
labels=['a','b','c',
        'a','b','c',
        'a','b','c',
        'a','b','c']
pred=[  1,1,2,
        0,1,2,
        1,1,1,
        0,1,2]
cnf_matrix = confusion_matrix(labels, pred)
print('\n'.join([''.join(['{:4}'.format(item) for item in row])
      for row in cnf_matrix]))

Edit:（Dayyyuumm）刚刚发现我可以轻松地做到这一点熊猫交叉表 https://pandas.pydata.org/pandas-docs/stable/generated/pandas.crosstab.html :-/.

labels=['a','b','c',
        'a','b','c',
        'a','b','c',
        'a','b','c']
pred=[  1,1,2,
        0,1,2,
        1,1,1,
        0,1,2]   

# Create a DataFrame with labels and varieties as columns: df
df = pd.DataFrame({'Labels': labels, 'Clusters': pred})

# Create crosstab: ct
ct = pd.crosstab(df['Labels'], df['Clusters'])

# Display ct
print(ct)